[发明专利]基于聚类及粒子群优化的有资料地区水文参数率定方法

权利要求书

1.一种基于聚类及粒子群优化的有资料地区水文参数率定方法，它包括：

步骤1、采集土壤质地、植被覆盖度、土地利用率、地形数据、径流系数、年蒸发总量、比降和坡度数据；

步骤2、将率定区域划分为30平方公里以下的计算单元；

步骤3、根据水文模型参数的物理特性，确定每一个计算单元每一个参数下垫面及气象相关因子；

步骤4、对每一个下垫面因子进行聚类分析，将下垫面因子面积比最相近的所有单元为同一类目标，作为相似单元；

步骤5、采用粒子群优化算法，基于聚类成果，计算各相似单元的水文模型参数，得到相似流域的最优参数。

2.根据权利要求1所述的一种基于聚类及粒子群优化的有资料地区水文参数率定方法，其特征在于：步骤3所述每一个参数下垫面及气象相关因子为：

3.根据权利要求1所述的一种基于聚类及粒子群优化的有资料地区水文参数率定方法，其特征在于：步骤4所述对每一个下垫面因子进行聚类分析的方法为：

a、初始化，把每个样本归为一类，计算每两个类之间的距离，也就是样本与样本之间的相似度；

b、寻找各个类之间最近的两个类，把他们归为一类；

c、重新计算新生成的这个类与各个旧类之间的相似度；

d、重复b和c直到所有样本点都归为一类，结束。

4.根据权利要求1所述的一种基于聚类及粒子群优化的有资料地区水文参数率定方法，其特征在于：步骤4所述对每一个下垫面因子进行聚类分析的方法为：每一个影响因子单独进行聚类分析，初始设置一个距离步长，然后根据距离步长将该影响因子分成N类，每个水文模型计算单元根据自己的因子面积占比归类到某一个类中，如此得到第一层，然后扩大距离步长，采用步长*2，重新对该下垫面影响因子的面积占比再分类，以此类推，直到最后只有一类为止。

5.根据权利要求1所述的一种基于聚类及粒子群优化的有资料地区水文参数率定方法，其特征在于：步骤5所述采用粒子群优化算法计算时，参数优先的方法为：定义粒子群算法中粒子的位置信息为所有需要优化的参数构成一维数组，确定每个参数对应的分类数量，即得到总的优化参数集PN，则粒子即代表着一个维度为1，长度为N的特征数组,每一个参数配置有最小值Pmin、最大值Pmax和步长PStep，特征数组为长度为N的一个整数数组，Pc为特征数组中的某一个特征参数项，通过解码操作(PVal＝Pmin+(Pmax-Pmin)*Pc*PStep)将该特征参数Pc项转换成对应的水文参数值PVal，特征数组采用这种方法全部转换成水文模型参数后，通过水文模型计算得到目标节点的流量过程，通过将流量过程与实测过程进行确定性系数的计算，将计算得到的确定性系数设置为该粒子的适应度，通过算法的选择、更新操作进行迭代计算，直到计算完成。

6.根据权利要求1所述的一种基于聚类及粒子群优化的有资料地区水文参数率定方法，其特征在于：步骤5所述采用粒子群优化算法计算时，逐参数最优的方法为：采用随机的方法在所有需要优化的参数集中生成一个优化参数的顺序，然后根据该顺序逐个参数进行优化，采用粒子群算法计算得到当前排列中当前位置的参数的最优值，然后固定该参数，取排列中下一个参数进行优化计算，直接排列计算完成。