首页--天文学、地球科学论文--地球物理学论文--水文科学(水界物理学)论文--水文实验论文

流域水文模型参数优化问题研究

第一章 绪论第1-16页
 1.1 问题的提出第9-10页
 1.2 国内外发展现状第10-14页
  1.2.1 模型的发展过程第10-13页
  1.2.2 模型参数识别的发展过程第13-14页
 1.3 研究路线与方法第14-16页
第二章 遗传算法及SCE-UA方法介绍第16-28页
 2.1 遗传算法第16-20页
  2.1.1 遗传算法发展简史第16页
  2.1.2 遗传算法的基本概念第16-18页
  2.1.3 遗传算法的运行过程第18-20页
 2.2 SCE-UA方法简介第20-28页
  2.2.1 SCE-UA方法的基本概念第20-21页
  2.2.2 单纯形法的基本思想与有关概念第21-22页
  2.2.3 迭代步骤第22-24页
  2.2.4 优化中的几个问题第24-28页
第三章 流域水文模型第28-43页
 3.1 新安江模型第28-31页
  3.1.1 模型的总结构第28-29页
  3.1.2 模型中使用的变量第29-30页
  3.1.3 模型的参数第30页
  3.1.4 参数的率定第30-31页
 3.2 SAC(Sacramento)流域模型第31-38页
  3.2.1 SAC(Sacramento)流域模型第31-38页
 3.3 Topmodel模型第38-43页
  3.3.1 Topmodel理论基础第38-41页
  3.3.2 产流计算第41-42页
  3.3.3 计算过程第42-43页
第四章 模型参数优化研究第43-63页
 4.1 流域基本情况第43-45页
 4.2 试验设计第45-47页
  4.2.1 模型及参数范围第45-46页
  4.2.2 目标函数第46-47页
 4.3 模型率定结果统计表和率定过程线第47-60页
  4.3.1 人工试错法率定新安江模型参数的统计结果第48-49页
  4.3.2 人工试错法率定萨克模型参数的结果统计第49-51页
  4.3.3 遗传算法优化新安江模型参数的结果第51-53页
  4.3.4 遗传算法优化萨克模型参数的结果统计第53-54页
  4.3.5 SCE-UA算法优化新安江模型参数的结果统计第54-55页
  4.3.6 SCE-UA算法优化萨克模型参数的结果统计第55-56页
  4.3.7 人工试错法率定Topmodel参数的结果统计第56-58页
  4.3.8 遗传算法优化Topmodel参数的结果统计第58-59页
  4.3.9 SCE-UA优化Topmodel参数的结果统计第59-60页
 4.4 结果分析第60-62页
 4.5 本章小结第62-63页
第五章 结论与展望第63-66页
 5.1 结论第63-64页
 5.2 展望第64-66页
参考文献第66-70页

论文共70页,点击 下载论文
上一篇:序列算子与灰色预测模型研究
下一篇:基于嵌入式技术的电力装置文件系统及逻辑组态的研究