改进太湖流域模型汇流单位线的自动校准方法

本文主要探讨了太湖流域模型中平原地区汇流过程的优化，由两位作者郭伟建和崔永峰提出。当前在太湖流域模型中，平原地区的汇流通常采用经验性的0.4、0.4、0.2汇流曲线，这种做法可能存在一定的局限性。为了提高模型的精度和准确性，研究者决定对这一经验曲线进行改进。 首先，他们利用已有的实测降雨数据和对应的分区代表水位站之间的关系，通过统计分析建立了新的关联模型。这个过程采用了SCE-UA算法（Sequential Convex Programming with Error）来进行，这是一种迭代优化方法，能够有效地处理非线性和多约束问题，从而找到最优的汇流速度参数。 通过这种方法，研究者对太湖流域的16个分区进行了汇流速度的自动率定，旨在改善这些区域的产汇流机制，使得模型能够更准确地模拟实际的径流过程。改进后的单位线考虑了分区特性和降雨特征，因此理论上能提升模型的预报性能。 接着，文章使用太湖的实际观测数据对改进后的模型进行了验证。结果显示，经过SCE-UA算法率定后的模型在模拟精度上有了显著提升，这表明该方法对于提高模型预测的准确性和精细化程度是有效的。 这篇首发论文提出了一个创新的方法，即通过结合实测数据和优化算法，对太湖流域模型的汇流单位线进行自动化率定，从而增强了模型对平原地区汇流过程的描述能力，为流域水文管理和水资源调度提供了更为精确的工具。这对于理解和预测太湖流域的洪水、干旱等水文现象具有重要意义。