共查询到19条相似文献，搜索用时 187 毫秒
1.
为了提高水库和河流中长期径流预测精度,针对粒子群算法存在的缺陷,提出了动态调整粒子群算法（DAPSO）。借助霍尔特-温特斯线性季节性模型的预测功能,应用DAPSO算法求解和优化霍尔特-温特斯线性季节性模型组合参数,形成动态调整粒子群-霍尔特-温特斯线性季节性模型组合算法,对石泉水库进行中长期径流预测。仿真计算表明,动态调整粒子群-霍尔特-温特斯线性季节性模型算法收敛速度快于霍尔特-温特斯线性季节性模型算法、粒子群-霍尔特-温特斯线性季节性模型算法。该组合算法克服了按梯度试算法搜索质量差和精度不高的缺点,输出稳定性好,预报精度显著提高,置信度为95%时的预测相对误差小于6%。该算法可应用于水库和河川中长期径流预测。 相似文献
2.
作物模型在农业生产管理和决策中发挥着重要作用,而物候期模拟是作物模型正确模拟作物生长发育和产量形成过程的基础。作物模型模拟物候发育的常用算法一般是基于积温的计算,同时也考虑光周期和春化作用的影响,但是水分胁迫对物候发育的次级影响却较少被考虑在内。该研究以连续2季(2013-2014和2014-2015)的遮雨棚下土柱试验和连续3季(2012-2013、2013-2014和2014-2015)的遮雨棚下大田试验数据和前人研究成果为基础提出了冬小麦物候期对水分胁迫的响应机制理论假设,并以土壤相对有效含水率为水分胁迫指标校正冬小麦物候期水分胁迫响应函数。该研究以2014-2015生长季土柱试验各处理试验数据来建立冬小麦物候期水分胁迫响应函数,确定发育加速点A、发育减速点D和发育停止点S所对应的相对有效含水率值分别为0.30、0.10和0。结果发现拔节期和开花期模拟值和观测值之间的均方根误差(root mean square error,RMSE)分别为0.8和1.7 d,绝对相对误差(absolute relative error,ARE)分别低于0.68%和2.09%。然后用2013-2014生长季土柱试验各处理数据进行验证,结果发现拔节期和开花期模拟值和观测值之间的RMSE分别约为0.9和1.1 d,ARE分别在1.37%和1.68%以下。最后再用3年独立大田试验数据对上述修正后的冬小麦物候期算法进行验证,结果发现开花期和成熟期的模拟值与观测值之间的RMSE分别约为2.4和2.0 d,ARE分别低于4.21%和2.67%;与DSSAT-CERES-Wheat模型的模拟结果进行比较,发现修正算法能反映出水分胁迫对冬小麦物候期造成的差异(有提前也有推迟),而DSSAT-CERES-Wheat模型无法体现这种差异,且开花期和成熟期的模拟值与观测值之间的RMSE分别约为4.0和5.5 d,误差最大分别为8和6 d。这表明校正后的冬小麦物候期算法模拟精度得到了较大提高,能在一定程度上描述和量化水分胁迫对冬小麦物候期的影响机制,可用来模拟不同水分胁迫条件下不同品种冬小麦的物候期。 相似文献
3.
农产品加工是食品供应链质量控制的关键环节。该文针对农产品加工环节的产品召回优化问题,给出了批次分散优化模型并分析了其算法复杂度。针对优化模型为NP难度(non-deterministic polynomial hard),难以求解的问题,指出了采用粒子群优化进行求解的途径。针对粒子群优化算法在进化的初期收敛速度快,易引起早熟;在进化后期收敛速度慢,易引起振荡的问题,提出了一种基于分段门限粒子替换策略的改进粒子群优化算法。采用相关算例对该文提出的改进粒子群优化算法进行优化性能验证,并与类似智能优化算法进行性能对比。算例仿真和性能对比的结果表明,该算法运算开销约为同类算法的10%,且可以降低潜在的召回规模约30%,适用于农产品加工环节的产品召回优化。 相似文献
4.
ORYZA2000模型模拟安徽地区不同播期水稻的适应性分析 总被引：1，自引：0，他引：1
以2010-2011年安徽宣城两个水稻品种(两优6326,南粳44)3个播期(5月5日、15日、25日)水稻生长发育观测数据为基础,结合当地气象、土壤等数据,将2010年数据作为校准数据对ORYZA2000模型进行参数校正,调试决定作物基本参数,以2011年数据作为检验数据,对水稻生育期、叶面积指数、生物量及产量等指标进行模拟并将结果进行统计验证与评价.结果表明,对水稻生育期发育速率的模拟显示,两优6326的大部分生育期发育速率稍高于南粳44,第三播期两优6326基本营养阶段及生殖生长阶段的发育速率最大,第三播期南粳44穗分化阶段的发育速率最小;水稻生育期模拟值均比实测值小,其差异为2 ～7d.生育期长度的归一化均方根误差(NRMSE)为3.4％ ～7.5％;两组数据所得地上总生物量的NRMSE为16％ ～22％、绿叶生物量的NRMSE为20％ ～25％、茎生物量的NRMSE为17％ ～21％、穗生物量的NRMSE为19％ ～ 25％、叶面积指数的NRMSE为24％～26％,其总生物量及产量的NRMSE分别为6％ ～ 13％和5％ ～ 14％.模拟结果表明ORYZA2000模型可以通过校准作物参数,较准确地模拟水稻发育期、发育速率及其生物量的动态积累过程. 相似文献
5.
以江西省2个主栽常规早籼稻品种中早35和中早39为试验材料，于2017年在南昌县进行8个播种期的早稻分期直播试验，各播期分别为3月11、16、21、26和31日，以及4月5、10和15日，其中定义3月11−26日为早播播种期（a），3月31日−4月15日为正常播种期（b），利用田间试验观测的生育期、叶面积指数、生物量等数据和气象资料，对ORYZA_V3水稻模型进行本地化调参验证，以分析ORYZA_V3水稻模型对江西直播早稻的适宜性。结果表明，ORYZA_V3水稻模型对直播早稻生育期模拟效果较好，其（决定系数）R2＞0.99，NRMSE（归一化均方根误差）在0.61%～3.12%范围波动。模型对早稻播种期叶面积指数、总生物量、穗生物量等模拟结果表现为播种期越早，模拟效果越差；越接近正常播种期，模拟效果越好。不同直播早稻品种对ORYZA_V3水稻模型适宜性存在差异，其中生育期模拟值与实测值中早35相差−1～1d，中早39相差−1～4d。说明用ORYZA_V3水稻模型进行双季直播早稻模拟时，需根据多年观测数据，对相应水稻播种期和品种进行模型参数的校准，以提高ORYZA_V3水稻模型适宜性。 相似文献
6.
苹果生长发育受气象因素影响较大,陕西高低温灾害发生频率的增加对苹果的产量和品质有很大影响。物候期的确定是指导果业生产、进行灾害风险管理的重要依据。目前,物候期观测数据十分匮乏,通过构建物候模型可对历史物候期进行重构。在陕西的四个果区,分别选取物候资料记录相对全面的两个代表站点,礼泉和凤翔（关中果区）、旬邑和长武（渭北西部果区）、铜川和白水（渭北东部果区）、延长和洛川（延安果区）。在各果区的两个代表站点中,选取历史物候期记录时间序列更长的站点,利用SPSS软件对该站点物候期日序与所选气象指标进行逐步回归分析,建立多个单项或多项物候期预测模型,再通过回代检验和预测检验两种方法选取最优模型。采用平均绝对误差（MAE）、物候期模拟值与实际值相差0～3d的相对准确率（RA）评估检验结果,并选择最优模型。结果表明：（1）萌芽期模型MAE为0.8～2.4d,RA为84.6%～100%;花期模型MAE为2.5～3.4d,RA为55.6%～75%;果实发育期模型MAE为0.9～2.8d,RA为63.2%～100%;成熟期模型MAE为2.2～3.2d,RA为69.2%～72.2%;模型模拟效果由好到差依次为萌芽期、果实发育期、成熟期和花期。（2）重构1981−2019年延安果区、渭北东部果区、渭北西部果区和关中果区苹果萌芽期年日序分别为72−98、70−88、73−98和71−85,花期年日序分别为102−116、86−107、100−125和84−115;1981−2019年延安果区、渭北东部果区和关中果区苹果果实发育期年日序分别为114−122、89−118和87−117,成熟期年日序为260−301、276−297和224−348。（3）重构物候期的空间分布,1981−2019年延安果区和渭北东部果区萌芽期由东南向西北逐渐推迟,关中果区和渭北西部果区自西向东推迟;花期整体自南向北越来越晚;果实发育期从南向北逐步推迟;延安果区和渭北东部果区成熟期从东向西逐步推迟,关中果区和渭北西部果区自西向东逐步推迟。本研究构建的物候模型的模拟效果总体较好,所重构的苹果物候期数据序列可为苹果生产管理和灾害风险防范提供基础性支撑,对果树物候期模型的研发具有借鉴意义。 相似文献
7.
采用RNCA-PSO-ELM的水稻叶绿素光谱特征分析与反演 总被引：1，自引：1，他引：0
为探索有效的水稻叶绿素光谱特征选择方法与含量反演建模,解决东北粳稻叶绿素含量无人机遥感监测等问题,该研究利用沈阳农业大学卡力玛水稻实验站2018-2020年无人机（Unmanned Aerial Vehicle,UAV）水稻冠层高光谱数据及地面样本数据,设计了基于正则近邻成分分析的光谱特征选择方法,优化了其损失函数与正则化参数,获得水稻叶绿素不同含量的特征波段,并以此为输入,构建粒子群优化极限学习机叶绿素含量反演模型。结果表明：正则近邻成分分析算法具有较好的特征选择能力,其损失函数为均方误差损失函数、正则化参数值为0.306时,特征选择效果最佳,初选出权重非零的16个特征波段;进一步以叶绿素极限学习机反演精度为判据,优选出权重最高的6个特征波段：710、716、508、798、532和708 nm;应用粒子群优化算法优化了极限学习机模型的输入权值和阈值偏差,粒子群算法正交试验种群规模（POP）、惯性权重（IW）、学习因子（C1,C2）和速度位置相关系数（MC）的优选结果分别为50、1.5、1.3、3.5和0.6;基于正则近邻成分分析-粒子群优化极限学习机叶绿素含量反演结果的RMSE和R2分别为9.549 mg/L、0.891。研究结果可为基于无人机平台的高通量作物监测提供理论依据,并为筛选无人机高光谱波段实现作物长势参数快速估测提供参考。 相似文献
8.
过去30年气候变化对华北平原冬小麦物候的影响研究 总被引：9，自引：2，他引：7
全球变暖已成为全球共同关注的问题。作物物候对气候变化的响应是研究气候变化对农业生产影响的重要内容。本文选用1981—2009年华北平原16个农业气象观测站的冬小麦物候资料,利用统计方法分析了冬小麦物候的变化趋势。结果表明,过去30年华北平原冬小麦播种期、出苗期和越冬开始期推迟,而返青期、开花期和成熟期呈提前趋势。物候期的提前或推迟促使小麦不同生长发育阶段历时发生变化,出苗—越冬开始、越冬开始—返青、返青—开花等阶段呈缩短趋势,但开花—成熟阶段生育期却延长0.9 d.10a 1,整个生育期历时呈减少趋势,平均减少3.4 d.10a 1。本文采用作物模型(CERES-Wheat)模拟固定小麦品种在气候变化背景下的物候变化趋势,以探讨冬小麦物候变化的主要驱动因子。模拟结果表明,过去30年小麦开花期和成熟期提前的主要驱动因素为气候变化,品种变换在一定程度上可减缓气候变化对物候的影响。 相似文献
9.
浙江水蜜桃成熟期集合预报模型 总被引：2，自引：0，他引：2
物候期预报多基于单一性模型,预报结果的精度和稳定度较差,难以实现业务应用。本文利用2005?2017年宁波水蜜桃主产区收集的物候期和气象资料,构建不同时间尺度（小时、日、候、旬、月）和不同时间起点（固定日期、物候期）下的成熟期预报模型集,探究集合模型在物候期精细化预报中的可行性。基于模型预报结果的精度和稳定度,分别利用算术平均法、回归系数法、相关系数法和绝对误差法确定集合预报模型成员的权重,构建不同预报时效的水蜜桃成熟期加权集合模型。结果表明：利用4种权重系数确定方法构建的加权集合模型均保持了较高的精度和稳定度,集合模型回代检验的绝对误差AE平均仅0.69（在0.56～0.87）d,均方根误差RMSE平均为0.90（在0.69～1.14）d,相关系数R平均达0.95（在0.92～0.98）;相比单一模型,集合模型的AE和RMSE分别缩小0.5d和0.6d,R值提高0.12。基于绝对误差法构建的加权集合模型效果最佳,回代检验AE和RMSE平均值分别为0.66d和0.88d,对宁波水蜜桃主产区成熟期预报的AE≤2d。集合模型中适当融合硬核期观测能将预报误差缩小0.2～0.3d。集合预报模型为物候期精细化预报提供了新的思路,能够满足业务应用需求。 相似文献
10.
基于MCMC方法的WOFOST模型参数标定与不确定性分析 总被引：1，自引：0，他引：1
为探究作物生长模型参数的自动标定技术及其不确定性分析方法,该研究以郑州农业气象试验站为试验点,利用融入了snooker更新(snooker update)的DE-MC(differential evolution Markov chain,差分进化马尔科夫链)方法实现对WOFOST(world food studies)作物生长模型的参数标定和不确定性定量评价。snooker更新增加了DE-MC算法中候选样本的多样性,从而实现利用更少的并行链对多维参数空间进行有效采样,较适合于WOFOST模型参数众多的特性。结果表明:相比于模型默认值,采用MCMC(Markov chain Monte Carlo,马尔科夫链-蒙特卡洛)标定后的参数,叶面积指数(leaf area index,LAI)模拟精度可提高51.40%~53.07%,产量模拟精度提高8.25%~8.88%。标定参数中,SPAN、SLATB070、SLATB040、AMAXTB130和SLATB00的后验分布可近似为高斯分布,其中SPAN的不确定性最低。带入后验参数集合进行模型,LAI在三叶期至返青期之间以及拔节期至抽穗期之间模拟的不确定性较大;产量模拟的不确定性随时间不断增大,至乳熟期前后达到稳定。该方法能够实现对多参数复杂作物生长模型的参数标定和不确定性分析,对作物模型参数估计及提高模拟精度具有重要作用。 相似文献
11.
解析法-Nelder Mead单纯形算法确定太阳电池参数 总被引：1，自引：0，他引：1
光伏发电系统的设计计算、性能评估及优化控制要求快速、准确的确定太阳电池模型参数。针对太阳电池单、双二极管模型参数辨识问题,该文提出一种基于解析法和Nelder Mead单纯形法重启策略的A-bcNM混合算法。先用实测I-V曲线上的部分关键点计算合成参数,再以单二极管模型近似解析式快速定位搜索始点,最后在边界范围内利用Nelder Mead单纯形算法的重启策略最小化实测数据与模拟结果之间的均方根误差,以提高拟合精度及参数解的质量。MATLAB环境下,利用2种典型太阳电池的实测数据对A-bcNM算法的有效性进行了测试和验证。与已有的其他算法相比,A-bcNM算法收敛速度快,计算量小,辨识精度高,可快速、准确的确定单、双二极管模型参数,为识别太阳电池的工作特性提供了一种有效方法。 相似文献
12.
基于多源遥感数据融合和LSTM算法的作物分类研究 总被引：7，自引：6，他引：1
准确、及时地获取农作物的空间分布信息,对于指导农业生产、制定农业政策具有重要意义。为了检验长短时记忆网络(long short-term memory,LSTM)算法在基于时序遥感数据进行作物分类中的优势,该文以临汾盆地为研究区域,利用Savitzky-Golay滤波对MODIS NDVI进行平滑处理,并采用ESTARFM(enhanced spatial and temporal adaptive reflectance fusion model)算法对滤波后的MODIS NDVI和Landsat NDVI进行融合,生成空间分辨率为30 m、时间分辨率为8天的时序NDVI。基于Landsat NDVI利用LSTM算法进行作物分类,同时,基于融合NDVI分别利用LSTM算法和神经网络(neuralnetwork,NN)算法进行作物分类,并对比3种方法的分类精度。结果表明,Savitzky-Golay滤波后的时序MODISNDVI能够反映不同作物的物候特征;基于融合NDVI的分类精度明显高于基于LandsatNDVI的分类精度,表明融合后的时序NDVI由于具有更高的时间分辨率,能够更加突出不同作物的物候特征,显著提高作物分类精度;基于融合NDVI和LSTM算法的分类精度高于基于融合NDVI和NN算法的分类精度,前者的冬小麦面积估测精度高于后者的估测精度,表明LSTM算法的分类精度高于NN算法。该文可为基于遥感影像进行不同作物种植区域提取的研究提供重要的方法参考。 相似文献
13.
基于改进粒子群算法的车辆转向梯形机构优化 总被引：4，自引：3，他引：1
通过对车辆转向机构的尺寸和定位参数进行优化,能有效减小车辆转向机构的实际运动轨迹和理论运动轨迹间误差,进而有效改善车辆的操纵性能和提高转向安全性。该文研究了转向梯形机构的工作原理及其对车辆转向性能的影响,建立了转向梯形机构的非线性优化模型;然后引入越界检测函数改进传统粒子群优化算法,并给出了求解转向梯形机构非线性优化模型的方法;编制了改进粒子群算法的实现程序,并对3款不同车型的转向梯形机构进行了优化设计;最后选取3种不同智能算法分别对途乐GRX转向梯形机构进行多组优化试验。试验结果表明,改进粒子群算法的收敛速度快于传统粒子群算法和基于模拟退火的粒子群算法,求解精度略逊于基于模拟退火的粒子群算法,但仍能保证求解精度。 相似文献
14.
水稻生育期模型为复杂的非线性模型,其参数的合理标定是模型应用的重要环节。本文采用两种不同温度响应函数的花前生育期模型（MBETA和MBILN）,利用基于GML（Gauss-Marquardt-Levenberg）算法的模型独立参数优化程序PEST（model-independent parameter estimation）对模型参数进行优化,并在优化中引入参数先验信息和参数初始值扰动方法,以提高参数优化结果的可靠性。结果显示,参数先验信息有效降低了待优化参数的不确定性。最优参数值的95%置信区间较初始值域显著缩小。在优化得到的参数相关系数矩阵中也未显现出高度相关的参数。从目标函数值（?）序列看,MBETA和MBILN的?值最终收敛至相当接近的最小值,分别为11.71和11.82。但该最小值下两个模型的温度、光周期效应等参数值存在一定差异。这种差异平衡了不同温度响应方程与模型其它方程对水稻生育期模拟误差的贡献。在最优参数值组合下,两个模型验证结果表现一致。其中,抽穗开花期模拟值与实测值的相关性均通过了0.01水平的显著性检验。模拟误差主要来自幼穗分化期,与缺少对水稻光周期敏感始期的观测有关。本文优化方法降低了待优化参数收敛于局部小值的几率,对稳定参数优化和提高优化结果的可靠性具有重要作用。 相似文献
15.
[目的] 选择最优模型对水体中总磷浓度进行预测,为准确、实时、高效检测水资源状况提供支持。 [方法] 以2021年在长江中下游武汉—安徽地区采集的水质样本作为研究对象,首先,对采集到的长江光谱数据进行最大最小归一化和均值中心化两种预处理操作以便统一数据的范围和均值点,并使用核主成分分析(KPCA)技术对预处理后的光谱数据进行降维操作。选取方差解释率为99.6%下的6个特征向量进行后续预测模型的训练,接着在原有粒子群算法的基础上引入自适应惯性权重更新公式和遗传—模拟退火变异思想,提高算法的寻优能力。使用改进的粒子群优化算法对支持向量回归模型中的超参数组合进行寻优,对支持向量回归模型使用输出的结果进行预测模型的训练,最后使用测试集数据进行总磷浓度的预测。 [结果] 提出了一种结合光谱降维的改进粒子群优化算法(IPSO)结合支持向量回归(SVR)的水体总磷含量预测模型。通过和当前预测性能较好的几种机器学习模型进行精度的比较发现,该试验模型对长江水体总磷浓度进行预测时决定系数(R2)为0.973 920,均方根差(RMSE)为0.003 012,平均绝对误差(MAE)为0.002 105。 [结论] 使用光谱数据结合降维技术、粒子群优化算法和机器学习模型的算法融合模型检测水体总磷浓度可行性强,精确度高,且拟合效果良好。 相似文献
16.
工程车辆车桥位移谱统计分布建模及分步参数识别 总被引：2，自引：2，他引：0
针对非公路用车的车桥实测位移谱统计分布建模中模型选择、参数识别的初值选取主观性大和计算效率低等难题,该文以实测的车桥位移信号为研究对象,分别进行时域分析、频域功率谱分析,对信号进行分组,统计频数,获得统计直方图和累计概率分布曲线。分别采用正态分布、双峰正态分布、威布尔分布和双峰威布尔分布模型对位移谱进行建模,提出分步参数识别方法。引入灰色关联度目标函数,以人工鱼群算法获得的参数作为模型参数的初始值,采用迭代非线性最小二乘法levenberg-marquardt (LM)算法进行精确参数识别,使用相关系数和kolmogorov-smirnov(KS)检验对各模型的拟合优度进行比较。结果表明,混合威布尔分布与统计直方图的相关系数为(0.9800,0.9908,0.9867,0.9665),混合正态分布为(0.9793,0.9904,0.9783,0.9661),威布尔模型为(0.8613,0.9113,0.8618,0.8854),正态模型为(0.8611,0.9127,0.8624,0.8869),混合威布尔模型可以对车桥位移谱进行高精度拟合,而所提出的分步参数识别法可以高效、准确地进行模型的参数识别。研究结果可为车辆疲劳载荷谱的编制和台架试验提供参考。 相似文献
17.
基于Downhill-Simplex算法的观测数据与作物生长模型同化方法研究 总被引：1，自引：0，他引：1
以夏玉米叶面积指数（LAI）、贮存器官干重（WSO）、地上总干重（TAGP）以及土壤水分含量（SM）为结合点,建立了基于Downhill—Simplex算法的作物生长模型WOFOST同化多种地面观测数据的一般方法或流程：开展观测数据与作物生长模型同化方法的正确性验证→利用Downhill—Simplex算法进行WOFOST模型的敏感性分析一选择敏感参数组合→通过优化效果确定待优化参数→利用新的观测数据对待优化参数进行优化,从而实现了观测数据与作物生长模型的同化,提升了模型的模拟能力。同化过程中遴选出的WOFOST模型的待优化参数主要包括比叶面积、最大CO2同化速率、初始地上部总干物重、根深最大日增量和初始土壤有效水等。 相似文献
18.
对于求解复杂的并联泵站群优化运行模型,狼群算法(wolf pack algorithm,WPA)存在收敛性和鲁棒性差等问题。为改善这些问题,该文以某典型并联泵站群为例,以泵站系统主机组运行能耗最低为优化目标,考虑流量、叶片角度、开机台数等约束条件,建立了并联泵站群优化运行模型。将模拟退火算法引入WPA算法中,提出混合狼群算法(hybrid wolf pack algorithm,HWPA)用于求解建立的优化模型。选择最小值、平均值和标准差作为算法性能的评价指标。相较于粒子群算法(particle swarm optimization,PSO)和WPA算法,HWPA算法求解典型并联泵站群优化运行模型得出的运行能耗最小值平均降低了15.60、10.23 kW,平均值平均降低了36.94、14.30 kW,标准差平均降低了84.82%、72.90%。在HWPA算法的基础上,对算法中的游走步长、奔袭步长、围攻步长的最小值和最大值4个参数进行单因素分析和拉丁超立方抽样设计计算,确定出4个参数的最优组合为0.33、1.53、0.672和4.8×10^5,进而提出改进混合狼群算法(improved hybrid wolf pack algorithm,IHWPA)。相较于HWPA算法,IHWPA算法求解典型并联泵站群优化运行模型得出的运行能耗最小值和平均值平均降低了4.66和13.26 kW,标准差平均降低了94.02%。应用IHWPA算法确定典型并联泵站群6个不同运行工况优化方案,结果表明,采用引入模拟退火算法、优选WPA算法参数的方法提高了算法的全局收敛性与计算鲁棒性,泵站运行最优决策方案较实际方案的运行能耗平均降低9.80%,可为泵站工程提供合理有效的运行方案,降低运行能耗。 相似文献
19.
农业生产管理系统模型输入参数多,参数率定过程十分耗时费力,大大限制了其推广应用。该研究以华北平原2 a的冬小麦-夏玉米田间试验观测数据为基础,使用PEST(parameter estimation)参数自动优化工具对土壤-作物-大气系统水热碳氮过程藕合模型(soil water heat carbon and nitrogen simulator,WHCNS)的土壤水力学参数、氮素转化参数和作物遗传参数进行自动寻优,同时计算分析模型参数的相对综合敏感度,并将优化结果与土壤实测水力学参数和试错法的模拟结果进行比较。参数敏感度分析结果表明,18个模型参数的相对综合敏感度较高,其中土壤水力学参数普遍具有较高的敏感度,以饱和含水率敏感度最高;作物参数中,作物生长发育总积温和最大比叶面积具有较高的综合敏感度;而氮素转化参数的敏感度远低于土壤水力学参数和作物参数。评价模型模拟效果的统计性指标(均方根误差、模型效率系数和一致性指数)表明,PEST法比实测水力学参数的模拟精度有所提高,其中土壤含水率、土壤硝态氮含量、作物产量和叶面积指数的均方根误差分别降低了61.8%、23.5%、73.6%和23.3%。同时PEST法比试错法对土壤水分和作物产量的模拟精度也有较大提高,但对土壤氮素和叶面积指数的模拟精度提高不明显。由于该方法大大节约了模型校准时间,在较短的时间内获得了明显高于试错法的模拟精度,因此PEST软件在WHCNS模型参数自动优化中是一个值得推广的工具。 相似文献