第31卷第2期2 0 1 
3年2月水 电 能 源 科 学
Water Resources and PowerVol.31No.2
Feb.2 0 1 
3文章编号:1000-7709(2013)02-0023-
05三水源新安江模型参数优化及其应用
华舒愉,顾圣平,贺 军,张 楠,郑贵桥
(河海大学水利水电学院,江苏南京210098
)摘要:三水源新安江模型含有比其他模型更多的参数,参数间的相互作用使其成为影响模型模拟结果的重要因素。为使人工模拟结果与实际水文测量数据及水文现象较为一致,基于三水源新安江模型结构及参数敏感性建立参数优化率定的目标函数,并应用于竹竿河流域,取得了较好的率定及校验结果,证明该模型及优化方法有效可行。
关键词:水文模型;新安江模型;参数优化;应用中图分类号:TV124
文献标志码:A
收稿日期:2012-09-27,修回日期:2012-11-
14基金项目:水利部公益行业科研专项经费基金资助项目(201101011
)作者简介:华舒愉(1987-),女,硕士研究生,研究方向为水利水电工程,E-mail:476470243@qq.com通讯作者:顾圣平(1957-),男,教授,研究方向为水资源系统规划,E-mail:spg
u@hhu.edu.cn  2
0世纪70~80年代,赵人俊[1]
借鉴山坡水文学和产汇流理论提出了三水源新安江模型是概念性分散性模型,多适用于我国南方湿润与半湿润地区。使用该模型时需根据具体情况将全流域分为多个单元流域,按模型结构对每个单元流域进行蒸散发、产流、水源划分和汇流计算,得到单元流域出口的流量过程,再对其出口以下的河道进行汇流计算,将每个单元流域在全流域出口的流量过程线性叠加,即得全流域出口的总出流过程。新安江模型在湿润半湿润地区使用至今,其自身结构已基本得到肯定。但在不同模拟流域的产汇流参数不尽相同时,参数的影响作用都集中反映在模拟结果中,所以必须通过参数优化率定为模拟及产水预报计算提供适宜的参数,本文就此研究了新安江模型的参数优化问题,取得了较
满意的结果。
! 模型结构及参数率定
!$!新安江模型的分层结构
图1为三水源新安江水文模型结构图,包含有蒸散发、产流、分水源、汇流计算四个层次。四个层次均可通过模型中的公式进行计算,上一层次的计算结果可作为下一层次的数据输入,而下一层次的参数变化对上一层次的结果不产生影响。这种各层次间的相对独立性为模型中的参数
图1 三水源新安江模型结构Fig.1 Structure diag
ram of Three-waterSources Xin’anjiang 
Model确定提供了便利[
1]
。!$" 新安江模型中的参数及其优化率定
新安江模型四个层次的计算中一共涉及到
16个参数[2,3]
第一层次蒸散发计算中的参数有流域蒸散发折算系数K、上层张力水容量WUM、
下层张力水容量WLM、
深层蒸散发折算系数C;第二层次产流计算中的参数有流域平均张力水容量WM、
张力水蓄水容量曲线方次B、不透水面积占全流域面积的比例IM;第三层次水源划分中的参数有自由水蓄水容量SM、
自由水蓄水容量曲线方次EX、壤中流出流系数KSS、地下径流出流系数KG;第四层次汇流计算中的参数有壤中流消退系数KKSS、地下径流消退系数KKG、地面径流单位线UH、马斯京根法中的参数KE、XE。由于模型中的参数系统反映了水文过程的物理规律,在取值范围内的增大或减小会对模拟结果造成一定的影响。经参数敏感性分析可知,模型对其中部分
参数的响应结果较不敏感,参数变化对输出影响不大,如WM、WUM、WLM、B、C、IM、EX、KE、XE敏
感度较低,
按经验值即可确定,仅在必要时做单独调整[4],单位线是根据已知雨量及流量资料推求
出的适用于该流域的时段单位线,即从中选取几段时空分布较均匀,
历时较短的降雨形成的单峰洪水来推求适用于该单元流域及类似流域的无因
次单位线UH[5]
。为提高模拟的精确度,可按径流
量级划分确定单位线;其余参数均为敏感性较大的参数,沈圣哲
包括影响产流结果的K及影响径流变化过程的SM、KG、KSS、KKSS、KKG。针对以上敏感性较大的参数建立目标函数以便进行优化率定。(1
)在蒸散发和产流计算层次中较为敏感的参数是蒸散发折算系数K,输入值为各时段降雨量P,输出值为各时段产流量R,R的计算结果受
K的影响。由于各时段实际与计算值的误差可
正可负,若利用相对误差极小化确定参数K,简单求和可能将很大的误差抵消掉,所以基于最小二乘法原理(OLS)建立目标函数能更好地反映在总体上的接近程度,表达式为:
F1=min∑n
i=1
SCJL(i)/U-R(i[
])2
i=1,2,…,n(1
其中
U=F/(3.6Δ
t)式中,SCJL(i)为实测径流量;U为单位换算系数;F为面积;Δt为计算时段长;R(i)为产流量;i为计算时段;n为总时段数。
(2
)在进行水源划分和汇流计算时,这两部分的参数是独立的。由于地面径流与流量过程的高水部分相关联,参数SM、KSS、KG影响地面径流值;地下径流与低水部分相关联,参数KKSS、KKG影响地下径流值,二者共同影响TR(i)及径流过程。通常情况下将高低水部分分开处理,可得到适宜的参数。
当采用以日为模拟时段时,为削减高水部分引起的误差,常选用相关的对数函数作为目标函数。当自变量值较大时,对数函数可将误差放大化,
利用这一特性使实测流量与计算流量之比的对数绝对值与实测流量对数值的比值极小化,即可优选出参数SM、KSS、
KG,目标函数为:F2=
min∑n
i=1
bs Log SCJL(i)/TR(i()[])∑ni=1
og SCJL(i())(2
)式中,TR(i
)为计算径流量。考虑到参数KKSS、
KKG对流量过程线低水部分的影响,类似目标函数式(2),将实测流量与计算流量的误差绝对值与实测流量之比极小化作为约束,建立的目标函数为:
F3=min∑n
i=1
bs SCJL(i)-TR(i[])∑n
i=1
SCJL(i)(3
)(3
)为保证模拟过程与实测过程之间总体的吻合程度,参考《水文情报预报规范》[6]
精度评定中的确定性系数DC建立目标函数。DC在0~1之间变化,其值越接近1,说明两者的吻合程度越高,模型拟合效果越好。据此建立的目标函数为:
F4=min(1-DC)
(4
)其中
DC=1-
∑n
i=1
TR
(i)-SCJL(i[
)2
∑n
i=1
TR
(i)-P[
JJL2
式中,PJJL为实测平均径流量。
当洪水预报精度达到甲(DC≥0.90)、乙(0.90>DC≥0.70
)两个等级才可用于正式预报,所以针对以上目标函数的约束条件为0.70≤DC≤1。!$# 参数优化率定技术路线
以上目标函数建立起来的多目标极小化模型
(VMP)
,可根据“理想点法”进行求解,即分别求出各目标函数的极小值Fmin1、Fmin2、Fmin3、Fmin
4,通常情况下每个目标函数对应的最优解不完全相同,
各个最小值Fmin
m(m=1,2,3,4)分别是对应目标函数最理想的值,点Gmin=(Fmin1,Fmin2,
Fmin3,Fmin4)T
即称为VMP模型的理想点[
5]
。针对该问题采用“最短距离法”进行求解,令X=(K,SM,KG,KSS,
KKSS,
KKG)T
,原多目标优化问题可写成G(X)=F1(X),F2(X),F3(X),F4(X[])T
的形式。分别求解Fm(X)(m=1,2,3,4)得到极小值Fmin
m(其中Xm为极小值Fmin
情况下的最优解,继而建立距离模评价函数为:
φ()[
]G X=‖()G X-Gmin
‖=∑4
i=1
Fi
()X-Fmin[
(5
X∈R,R={X|Kmin<K<Kmax,SMmin
<SM<SMmax,KSSmin<KSS<KSSmax,KKSSmin
<KKSS<KKSSmax,KGmin<KG<KGmax,KKGmin<KKG<KKGmax
,0.70≤DC≤1}式(5)是取目标G与理想点Gmin
之间的距离作为评价函数,即将原问题转换为求解φ()[]
G X的极小值min‖()G X-Gmin
‖问题。由于变量X的值不固定,故利用策略空间迭代法给变量赋予初值,通常情况下将各变量的下界值(即Kmin、
·
42·水 电 能 源 科 学                 2013年
第31卷第2期华舒愉等:三水源新安江模型参数优化及其应用
SMmin、KSSmin、KGmin、KKSSmin、KKGmin
)作为初始值,设置合理的迭代步长即可在约束范围内得到不同的变量值。在约束范围内求各目标函数的极小值,再利用式(5)求得最优解必为原始多目标问题的有效解。
依据具体的参数优化目标函数及模型结构,使用VB语言编写模型模块及参数优化模块,最终可得到适合不同流域的最优解,使模拟结果与实际情况较为吻合,
为之后的水资源优化配置等综合利用规划提供有效的数据。
" 实例
竹竿河位于淮河南罗山县,为一条低山丘陵
区的河流,流域面积约1 
639km2
,属于半湿润地区。根据1997~2004年的日雨量及流量资料,考虑资料的完整性及其他因素,从中选取2002年为参数率定期,2003年为校验期。
由于该流域面积较小且仅有一个控制站点,不需要再分成单元流域进行计算,可忽略河道演算部分,不考虑参数KE、XE。另外,在已知流量过程的情况下可利用多段完整的洪水流量过程图,推求该流域的退水曲线,继而利用经验公式KKG=-1/lnCg(其中Cg=Q
t+1/Qt)计算出该流域的地下径流消退系数KKG=0.985,该参数便可不参与率定,
减少了参数优化的数量和难度。根据该地区水文规律,结合新安江模型参数取值经验,
给各个参数赋予初始值,见表1。表1 参数初始值
Tab.1 Value of initial p
arameters
  对蒸散发折算系数K,
以0.01的步长进行迭代,
将部分K值相应得到的F1值列入表2中。当K取值为0.55时,F1为最
小值,此时计算与实测流量的相对误差为5%。
表2 不同K值情况下的F1值Tab.2 F1v
alue under different Kvalue  KG和KSS是
代表自由水出流快慢的两个参
数,一般情况下1 000km2
左右的流域从雨止到壤中流止的时间为3~4d,可令[1-(KSS+
KG)]t=0.01,其中的t为4d,则有KSS+KG=
0.
7。因此,令参数SM和KG在不同的取值范围内变化迭代,KSS也随着KG而变化,得其对应目标函数F2值及其变化趋势图,
见图2。图2 不同SM、KG值对应的F2变化趋势图
Fig.2 Chart of F2chang
e trend with different SMand KG令SM在20~50mm范围内以5mm的步长
迭代,KG在0.2~0.6范围内以0.05的步长迭代,由图
2观察可得F2的变化规律,当SM=25mm、KG=0.20时,KKS=0.70-KG=0.
50,F2=
0.175,为F2的极小值。
壤中流消退系数KKSS通过不断迭代得到目标函数F3值,由图3可直观地发现其基本呈抛物线形的变化规律,当KKSS=0.70时,F3=0.513,该值为F3的极小值。
图3 不同KKSS值对应的F3变化趋势图Fig.3 Chart of F3chang
e trend with different KKSS在以上参数不断迭代的同时,通过模型计算亦可得到相应的确定性系数DC,当K、KG、SM、KKSS取值分别为0
.65、0.40、35.00、0.80时,确定性系数为0.98,此时目标函数F4达到最小值0
.02。每个目标函数相应的极小值一经确定,便可利用最短距离法建立的距离模评价函数,求得目标函数与理想点之间的最小距离min‖(
)G X-Gmin
‖及该最小距离情况下的各个
变量值,即为优化得到的参数值。以上过程均通过程序自动优化计算,最后确定优化率定得到的参数解见表3。
表3 参数优化率定表
Tab.3 Parameter list after op
timization  通过优化率定及计算的2
002年计算径流与·
52·
实测径流对比结果见图4(a)及表4。分析表明,2002年计算与实测流量过程线较为吻合,年径
流相对误差为1.08%,总误差较小,模拟得到确定性系数DC=0.90,精度为甲级,二者总体趋势较为一致,满足正式预报的要求。此外参考《水文情报预报规范》[6],以实测值的20%作为许可精度,月径流合格率(即月径流量相对误差小于20%的月份占总月份的百分比)为75%,精度达到乙级,可用于正式预报。根据参数优化率定结果,对校验期2003年进行模拟,检验其合理性,得到2003年的对比结果见表4及图4(b)。模拟得到确定性系数DC=0.98,二者总体趋势较为吻合,满足
图4 计算流量与实测流量过程对比
Fig.4 Comparison of calculated and measured flowrate式预报的要求;计算与实测年径流系数分别为0.577、0.607,相对误差为4.93%,月径流合格率为75%,精度达到乙级,可用于正式预报。
同时,针对该区域资料齐全的2000、2004、2005年分别进行模拟校验,可得计算与实测总年径流量相对误差分别为8.1%、12.8%、11.5%,确定性系数分别为0.77、0.71、0.86,均满足《水文情报预报规范》[6]中的精度要求,因此以上参数可用于正式预报。
# 结语
a.通过对模型结构及其参数敏感度分析,模拟结果表明三水源新安江模型在竹竿河流域具备较高的适用性。
b.以多目标函数优选敏感度较高的参数方法可行,预报精度基本满足要求,利用计算机技术优选率定参数简单、易操作、计算效率高。
c.原始资料的准确性、模拟过程中的计算方法及计算数值的误差、暴雨中心的不同、产流量级的分类都是导致计算与实测流量误差的原因,实际应用中需尽量减小误差,使模拟结果更接近实际径流。
d.在确定参数最优解时会出现很多组不同的参数值使模型输出具有相同的拟合精度,这种“异参同效”的现象是水文过程的复杂性、模型参数之间的相互补偿作用及随机性所引起的。为避免该现象,可根据需求采用人为的主观设置目标函数的权重、迭代循环次数等方法,同时必须加强对水文过程物理规律及参数率定技术的研究。
表4 计算与实测月(累加)径流量对比
Tab.4 Comparison of calculated and measured monthly(cumulative)flowrate
月份
2002年
累加降
雨量/mm
总径流量/(m3·s-1)
计算实测
相对误
差/%
2003年
累加降
雨量/mm
总径流量/(m3·s-1)
计算实测
相对误
差/%
1 13.7 122.928 128.47-4.31 19.0 167.17 2 05.09-18.49
2 35.5 140.010 117.93 18.73 82.0 479.93 4 58.91 4.58
3 79.4 595.359 738.47-19.38 120.0 1 340.18 1 649.80-18.77
4 68.0 323.704 245.18 32.03 88.8 690.56 826.20-16.42
5 176.3 1 440.994 1 724.00-16.42 90.9 1 133.99 1 554.08-27.03
6 364.6 4 481.595 3 973.94 12.77 262.7 1 140.62 1 729.15-34.04
7 252.5 3 346.910 3 828.32-12.58 247.5 4 618.35 4 620.10-0.04
8 52.7 871.808 733.70 18.82 119.4 1 248.36 896.73 39.21
9 25.6 458.333 297.46 54.08 69.2 965.37 911.30 5.93
10 36.6 374.079 212.02 76.44 102.7 1 276.27 1 070.59 19.21
11 9.7 142.262 126.39 12.56 68.3 710.00 602.60 17.93
12 77.6 383.715 419.75-8.58 23.5 391.25 372.26 5.10
累计1 192.2 12 681.710 12 545.63 1.08 1 294.0 14 162.07 14 896.80-4.93
(下转第242页)
(上接第26页)
参考文献:
[1] 赵人俊.流域水文模型———新安江模型与陕北模型[M].北京:水利电力出版社,1984.
[2] 王静,黄强,王义民.基于启发式算法新安江模型参数优选研究进展[J].水电能源科学,2011,29(4):28-30.[3] 赵人俊,王佩兰.新安江模型参数的分析[J].水文,1988(6):2-9.[4] 孔凡哲.新安江模型(三水源)参数的调试[J].水资源研究,2002,23(1):29-31.
[5] 周凤歧,崔敬波.单位线法推求流域出口洪水过程综述[J].吉林水利,2005(8):5-7.
[6] 水利部水利信息中心,水利部长江水利委员会水文局,水利部黄河水利委员会水文局,等.水文情报预
报规范(SL250-2000)[S].北京:中国水利水电出版
社,2000.
Parameters Optimization and Application of Three-water
Sources Xin’anjiang Model
HUA Shuyu,GU Shengping,HE Jun,ZHANG Nan,ZHENG Guiqiao
(College of Water Conservancy and Hydropower,Hohai University,Nanjing 210098,China)Abstract:Three water Sources Xin'an jiang Model has more parameters than other models.The interaction of param-eters makes them become important factors to affect the simulation results in the model.In order to make artificial simula-tion results consistent with practical hydrographic survey data and hydrological phenomena,this paper establishes objec-tive function 
about the parameter optimization based on three-water sources Xin'anjiang model structure and parameterssensitivity.And then the model is applied to Zhuganhe Basin.It gets the better calibration and verification results,whichproves the feasibility of the model and optimization method.
Key words:hydrological model;Xin'anjiang model;parameter optimization;application