第九讲 SWAT模型参数率定与验证

SWAT模型参数敏感性分析与参数率定主要内容1、参数敏感性分析与校核原理2、利用界面进行参数率定3、swat-cup参数率定和验证4、应用实例参数敏感性分析模型通过自带的LH-OAT（LatinHypercubeOne-factor-At-a-Time）敏感性分析方法和SCE-UA（ShuffledComplexEvolution）自动校准分析方法来率定敏感性参数的取值Latin-Hypercube基于蒙特卡洛模型，但基于统计抽样方法把每个参数分布划为N个空间，随即抽样，每个空间的被抽到的概率为1/N，参数随机组合，模型运行N次模型结果利用多参数线性回归或相关分析方法分析不足：多元回归分析的前提假设为线性变化，可能导致偏差输出结果的变化并不总能明确地归因于某一特定输入参数值的变化参数敏感性分析One-factor-At-a-Timesampling运行一次只改变一个参数某一特定输入参数值的变化引起的输出结果的灵敏度大小依赖于模型其他参数值的选取LH-OATsensitivity分析采用LH-OAT法可确保所有参数在取值范围内均被取样两者优点，弥补不足把参数划分为m个空间（包含p个参数的集合），p次参数变化，模型运行m*(p+1)次最优化方法参数自动率定采用SCE-UA（Shuffledcomplexevolutionalgorithm）：对于非线性复杂的分布式水文模型，采用随机搜索方法寻优，最为成功的方法之一全局优化算法基于以下4种概念:确定性和概率论方法结合;在全局优化及改善方向上,覆盖参数空间的复合形点的系统演化竞争演化混合复合形最优化方法SCE-UA优化算法步骤：算法第1步在模型需要率定的参数的可行空间随机产生p×m个点作为初始群体第2步，按目标函数增序将这p×m个点分成p个种群，每个种群包含m个成员第3步，每个种群进行若干代独立竞争进化后，种群之间定期进行交叉形成新的种群，如此，种群之间可以共享信息第4步，检查是否满足收敛要求，如果不满足回到第2步最优化方法SCE-UA算法的特点:在多个吸引域内获得全局收敛点能够避免陷入局部最小点能有效地表达不同参数的敏感性与参数间的相关性能够处理具有不连续响应表面的目标函数,即不要求目标函数与导数的清晰表达能够处理高维参数问题最优化方法粒子群优化算法（ParticleSwarmOptimi⁃zation，简称PSO算法）该法将系统初始化为一组随机粒子（Particle），通过迭代搜寻最优值，每次迭代过程中，粒子在解空间追随最优的粒子进行搜索PSO算法中，所有的粒子都有一个由被优化的函数（目标函数）决定的适应值（fitnessvalue），每个粒子还有一个矢量速度决定他们飞翔的方向和距离在每一次迭代中，粒子通过跟踪两个“极值”来更新自己：一个极值就是粒子本身所找到的最优解，这个解叫做个体极值pbest；另一个极值是整个种群目前找到的最优解，这个极值是全局极值pbest-gbest最优化方法PSO算法模型参数率定过程最优化方法目标函数：误差平方和SSQ：排序后误差平方和SSQR：多目标优化：依据贝叶斯理论参数优化选项：增加（减少）百分率（乘法）增加（减少）一定值（加法）采用某一值替换不确定性分析模型的不确定性：模型本身模型的基本假设输入数据的误差分辨率等不确定性分析方法：SCE-UA：χ2-统计和贝叶斯方法GLUE方法（同时也是一种全局参数灵敏度分析的方法）χ2-统计：置信空间单目标参数极好值：多目标参数极好值：贝叶斯法：最大可能空间模型率定基于统计方法分离抽样方法：分为率定期和验证期采用分离抽样评价整个模型预测的不确定性Parasol(ParameterSolutionsmethod):以上提及的参数最优化和不确定分析方法模型参数的不确定性SUNGLASSES(SourcesofUNcertaintyGLobalAssessmentusingSplit-SamlpES):基于分离抽样的不确定性来源全局分析评价模型预测期的不确定性不仅包含参数的不确定性建立参数系列，根据不确定阈值建立评价标准模型率定分布式水质模型误差源真实世界观测-模型误差模型率定参数自动率定结果的优劣指标Nash-Suttcliffe效率系数相关系数相对误差模拟和实测数据的平均误差和标准差斜率、截距、回归系数等比较目标：利用界面进行参数率定水量校核检查水量平衡sub.dbf文件中的PET、ET、SNOMELT、SW、GWQ、SURQ、WLYD、

rch.dbf文件中的FLOW_IN、FLOW_OUT径流：地表径流和地下径流调整CN2(.mgt)若地表径流仍然不符合要求，则调整SOL_AWC(.sol)或ESCO(.bsnor.hru)基流值太高：增加GW_REVAP(.gw)，减小REVAPMN(.gw)，增加GWQMN(.gw)，蒸发：土壤蒸发、植被蒸发EPCO、EPSO(.bsnor.hru文件中)水量校核校核流量过程峰值衰减期值降得太快：检查传输损失—河道水力传导率CH_K(.rte)在融雪季节里，峰值会很高而衰退值很低，降低最大和最小积雪融化速率SMFMX和SMFMN(.bsn)另外一个会影响积雪融化的参数是气温下降速率TLAPS(.sub)，增加这些值修改基流α系数ALPHA_BF(.gw)径流空间上的校准先上游后下游先支流后干流已校准好的子流域参数不要再变泥沙校核泥沙有2个来源HRU/子流域负荷河道冲刷/沉积检查水库/池塘模拟水库和池塘对泥沙负荷有很大的影响如果流域模拟的泥沙负荷量相差很大，首先核实流域中的水库和池塘校准子流域负荷耕作对泥沙输移具有很大的影响USLE方程水土保持因子USLE_P(.mgt)、坡长因子SLSUBBSN(.hru)、坡度SLOPE(.hru)、耕作管理因子USLE_C(crop.dat)泥沙校核校准河道冲刷/沉积河道冲刷在极端暴风雨天气期间和不稳定的子流域中会非常显著不稳定是指土地利用类型有着显著的变化影响河道冲刷/沉积的参数包括：泥沙被重新携带的线性指数和幂指数—SPCON和SPEXP(.bsn)。河道可侵蚀性因子CH_EROD(.rte)。河道植被覆盖因子CH_COV(.rte)。泥沙校核调整HRU/子流域负荷：调整USLE方程中的作物管理因子USLE_P（.sub文件中)调整USLE方程中的坡长因子SLSUBBSN（.sub文件中)调整HRU的坡度（.sub文件中)调整土地利用作物因子USLE_C（crop.dat文件中)调整耕作措施（*.mgt文件中

）、作物残留系数RSDCO和作物混合有效系数（.bsn文件中）调整河道冲刷/沉积:调整河道泥沙运移方程中的线性和指数参数SPCON和SPEXP（.bsn文件中）调整河道侵蚀因子CH_EROD（.rte文件中）调整河道覆盖因子CH_COV（.rte文件中）水质校核主要考虑因素：营养物来源：HRUs/子流域、河道内过程营养物分布：总量、季节性负荷洪水过程后的分布：地形起伏、浓度峰值子流域内矿物性N校核调整土壤中营养物的初始浓度SOL_NO3（.sol）确定并调整土壤表层的施肥率FRT_LY1（.mgt）确定耕作措施（*.mgt），调整作物残留系数RSDCO和作物混合有效系数BIOMIX（.bsn）调整N渗透系数NPERCO(.bsn)河道内矿物性N运移过程校核调整藻类生物量比率AI1（.wwq）水质校核有机N校核子流域内有机N校核调整土壤中营养物的初始浓度SOL_ORGN（.sol）确定并调整土壤表层的施肥率FRT_LY1（.mgt）河道内有机N运移过程校核调整藻类生物量比率AI1（.wwq）水质校核可溶性P校核子流域内可溶性P校核调整土壤中营养物的初始浓度SOL_MINP（.sol）确定并调整土壤表层的施肥率FRT_LY1（.mgt）确定耕作措施（*.mgt），调整作物残留系数RSDCO和作物混合有效系数BIOMIX（.bsn）调整P渗透系数PPERCO(.bsn)调整土壤P比例系数PHOSKD（.bsn）河道内可溶性P运移过程校核调整藻类生物量比率AI2（.wwq）水质校核有机P校核子流域内有机P校核调整土壤中营养物的初始浓度SOL_ORGP（.sol）确定并调整土壤表层的施肥率FRT_LY1（.mgt）河道内有机P运移过程校核调整藻类生物量比率AI2（.wwq）参数率定步骤原则：先支流后干流、先上游后下游、先年月后日、先水量后泥沙和水质参数敏感性分析灵敏度分析输入文件参数敏感性分析参数控制输入文件Sensin.dat：包含LH抽样间隔m、OAT敏感性分析参数变化范围、随机抽样种子数changepar.dat：参数最大值、最小值、模型参数、校核方法、HRU个数参数敏感性分析参数控制输入文件responsmet.dat：每行代表一个输出参数，每列各有其含义，参看校核文档objmet.dat：同上，作用为：误差测定参数敏感性分析SMFMXSMFMNALPHA_BFGWQMNGW_REVAPREVAPMNESCOSLOPESLSUBBSNTLAPSCH_K2CN2SOL_AWCsurlagSFTMPSMTMPTIMPGW_DELAYrchrg_dpcanmxsol_ksol_zsol_albepcoch_nblaiBIOMIXUSLE_CSPCONSPEXPCH_COVCH_ERODUSLE_PNPERCOPPERCOPHOSKDSOL_LABPSOL_ORGNSOL_ORGPSOL_NO3gwno3针对14子流域水量、泥沙、污染物运行420次参数敏感性分析Of1代表流量的目标函数ObjectiveFunction(SumSquaredErrors)结果Of2代表泥沙的(若没有泥沙实测数据，则无意义)Out1代表的是流量的平均径流输出的灵敏度分析结果Out2代表的是平均泥沙负荷输出的灵敏度级别参数敏感性分析对于径流：CN2、sol_awc、ESCO最敏感对于泥沙：CN2、SPCON、BIOMIX最敏感对于氮磷等污染物：CN2、ESCO、Alpha_Bf、surlag等参数比较敏感Out1Out2Out3Out4Out5Out6Out7Out8Out9参数6113344345ALPHA_BF356695656ESCO112112211CN2245523563SOL_AWC1667776777surlag491011610101012Sol_IOMIX137195151210SOL_ORGN自动校核单击Tools菜单下的auto-calibrationanduncertainty，弹出下图所示对话框自动校核根据敏感性分析结果选择参数选择子流域14进行自动校核自动校核操作过程自动校核查看结果不确定性分析自动校核后出现校核结果可进行不确定性分析关键步骤观测数据文件的制作注意参数界限ArcSWAT2005中有手动调参的工具利用SWAT-CUP进行参数率定SWAT-CUP参数率定SWAT-CUP(SWATCalibrationUncertaintyProcedures)功能：敏感性分析校核验证模型不确定性分析SWAT-CUP参数率定特性：并行处理输出结果的可视化通过参数提取实现多目标函数公式化参数95ppu提取和可视化无观测数据时：温度数据和降水数据在不确定性中考虑SUFI2中目标函数极值可获得SWAT-CUP运行过程安装过程SWAT-CUP运行过程建立文档SWAT-CUP运行过程选择一次模拟结果选择校准模拟方法SWAT-CUP运行过程校准时的模拟方法：SUFI2（SequentialUncertaintyFittingversion2）PSOGLUE(GeneralizedLikelihoodUncertaintyEstimationParaSolMCMCprocedures选择一种运行SWAT-CUP运行过程参数个数以及模拟次数，参数个数要和下面的实际个数一样设置校准参数：更改参数并为每个参数设定取值范围参数的修改方法有v__,a__,r__三种，分别是赋值，加值，乘以某值（百分比浮动）每个参数后面的两个数字别是在下一次模拟中该参数取值的下界和上界，可以根据需要随便赋值，前提是不能超过理论上的最大范围SWAT-CUP运行过程开始模拟数及模拟次数，注意和par_inf对应SWAT-CUP运行过程File.cio文件为swatcup运行的基础参数，可不修改SWAT-CUP运行过程Absolute_swat_values:接受修改的参数的上下界，参考，一般不修改SWAT-CUP运行过程观测文件：1是指变量个数，如果要同时校准多个出口，这里可以更改数字，但此处写几下面就要写几组观测数据，格式一样Flow_out_29是命名用的，29是模拟的出口所在subbasin84是观测值个数，需要和模拟年对应好，一年365或366天SWAT-CUP运行过程观测数据格式：序号（空格）FLOW_OUT_月（日）_年（空格）观测值多个出口制作多个文件参看说明1修改为出口个数，同时将29修改为出口subbasins的序号，例如，3出口可以写成：272829SWAT-CUP运行过程将观测数据再输入一遍，修改部分参数：第二行的Objectivefunctiontype,1=mult,2=sum,3=r2,4=chi2,5=NS,6=br2,7=ssqrSWAT-CUP运行过程执行文件设置SWAT-CUP运行过程前两个不用动，第三个和第四个如下Calibration按钮SWAT-CUP运行过