7、复杂分布式水文模型的两阶段代理参数校准框架

复杂分布式水文模型的两阶段代理参数校准框架

1. 引言

分布式水文模型因功能多样且理论合理而被广泛应用。它在考虑降水和地表条件的空间非均匀性对水文过程的影响方面，理论上优于集总模型，尽管在实际应用中集总模型可能表现更好。随着计算机技术、地理信息系统（GIS）、数字高程模型（DEM）和遥感（RS）的快速发展，不同配置的分布式水文模型已得到广泛应用，甚至可与大数据技术结合。

本文所使用的可变入渗能力宏观尺度水文模型（VIC），适用于大面积流域，模拟径流与观测值匹配良好，在集合径流预报和非平稳条件下的水文研究中表现出色。然而，分布式模型存在局限性，其参数校准需要大量计算资源和时间，尤其是在求解每个网格单元的偏微分方程时。

为加速参数校准，可采用高效的自动校准方法，如多目标校准策略能减少模型等效性和参数不确定性。近年来，许多多目标优化算法（MOAs）被用于水文模型参数校准，如MOCOM - UA、SPEA2、NSGA - II等。此外，代理模型（SM）也是提高优化算法效率的重要方法，常用的数据驱动模型包括人工神经网络（ANN）、径向基函数（RBF）、支持向量机（SVM）和高斯过程回归（GPR）等。

本文旨在克服VIC校准过程中的计算限制，提出了一种新的建模校准框架。采用ANN构建代理模型，并结合AdaBoost算法提高其准确性和稳定性，同时构建两阶段模型，针对接近最优解的参数范围进行优化。此外，还应用了更高效的MOA——ε - NSGA II来加速参数校准。

2. 方法

2.1 水文模型及其校准

VIC最初由Liang等人开发。用户需为模型提供研究区域的网格数据，包括气象、数字高程、土壤和土地覆盖等数