10、概念分布式模型的模糊委员会：原理与应用

概念分布式模型的模糊委员会：原理与应用

1. 引言

概念模型能简化现实的复杂性和异质性，但只能产生有限的集水区响应，在重现特定行为时，可能会牺牲其他方面的准确性。使用通过单一目标函数校准得到的最佳参数集的水文模型，可能无法全面捕捉降雨 - 径流关系的复杂性。

概念模型的误差来源包括：模型结构在一定程度上存在缺陷，即使经过优化也难以完全准确；实际测量或方程估算得到的参数值与实现最优拟合所需的值存在差异；忽略了气候变量和集水区特征的空间变化。

降雨 - 径流关系复杂，具有高度可变的时空特性。集水区行为会呈现不同状态，受植被、土地覆盖、表土变化等季节性因素影响，集水区响应具有季节性。集水区的水文状态是集水区响应的主要驱动力，其变化会改变集水区的干湿状况和流量高低，影响汇流面积和水文过程的范围。大多数水文过程具有非线性特征，控制着地表径流和快慢径流响应。

降雨 - 径流模型的校准依赖于校准过程中使用的目标函数，不同的目标函数会导致不同的参数集。为解决集水区响应的不同状态问题，可以调整目标函数。

为克服概念模型的局限性，提出了模块化或多模型方法。该方法将径流分为不同的流量 regime，分别校准不同的模型来重现每个 regime，然后动态组合这些专业模型，以更全面地表示集水区过程。模块化方法考虑在代表系统行为不同方面的模型之间进行切换，可通过聚类分类、基流分离和时间分割等方法对流量过程线进行分区。多目标优化可得到一组称为 Pareto 前沿的最优解，代表所选目标之间的权衡。

为整合专业局部模型中的水文知识，提出了多种模型组合和预测方法，如简单的平均法、贝叶斯模型平均法（BMA）、Takagi - Sugeno 模糊系统等。模糊委员