概念性流域水文模型参数多目标优化率定

针对传统基于单一目标的水文模型参数优化率定方法不能充分挖掘水文系统不同动态行为特征的缺陷,提出一种多目标文化混合复形差分进化算法(Multi-objective Culture Shuffled Complex Differential Evolution,MOCSCDE)用于求解水文模型参数多目标优化问题。MOCSCDE算法将混合复形进化算法(Shuffled Complex Evolution,SCE-UA)置于文化算法(Cultural Algorithms,CA)进化的框架中,利用种群进化过程中提取的各种知识指导算法的运行,提高算法的运行效率,同时考虑到SCE-UA中单纯形算子不能充分利用种群个体信息的不足,采用全局搜索能力强的差分进化算法(Differential Evolution,DE)替代单纯形算子,可以更加充分利用种群个体信息进行演化计算,进一步提高算法的计算效率。将MOCSCDE算法应用于概念性水文模型——新安江模型的参数多目标优化率定,并与NSGA-Ⅱ和SPEA2算法进行对比分析,结果表明MOCSCDE算法的收敛性和分布性均优于NSGA-Ⅱ和SPEA2,可为水文预报提供更为全面可靠的参数组合决策依据。