灌区水资源优化配置中存在众多不确定性因素,而考虑不确定性因素的优化模型往往存在结构复杂、不确定性参数考虑有限、计算精度和效率较低等问题。本文将LH-OAT(Latin hypercube-One factor at a time)方法与灌区用水优化模型耦合,构建...灌区水资源优化配置中存在众多不确定性因素,而考虑不确定性因素的优化模型往往存在结构复杂、不确定性参数考虑有限、计算精度和效率较低等问题。本文将LH-OAT(Latin hypercube-One factor at a time)方法与灌区用水优化模型耦合,构建了灌区用水优化模型参数敏感性分析与不确定性优化方法,并以黑河流域中游典型灌区为案例研究区,对模型中6类共25个不确定性参数进行了全局敏感性分析。计算获得了模型中25个不确定性参数的敏感度排序,并从中筛选出10个高敏感性参数,以高敏感性参数作为优化模型不确定性参数输入,获得了不确定性下的灌区用水优化结果。案例分析表明,该方法有效筛选出优化模型中高敏感的关键参数,综合考虑了不确定性参数对模型优化结果的影响,大大减少了模型不确定性参数的表征数量,降低了模型复杂性,有效提高了模型计算效率,可为灌区水资源优化配置问题提供方法参考。展开更多
文摘灌区水资源优化配置中存在众多不确定性因素,而考虑不确定性因素的优化模型往往存在结构复杂、不确定性参数考虑有限、计算精度和效率较低等问题。本文将LH-OAT(Latin hypercube-One factor at a time)方法与灌区用水优化模型耦合,构建了灌区用水优化模型参数敏感性分析与不确定性优化方法,并以黑河流域中游典型灌区为案例研究区,对模型中6类共25个不确定性参数进行了全局敏感性分析。计算获得了模型中25个不确定性参数的敏感度排序,并从中筛选出10个高敏感性参数,以高敏感性参数作为优化模型不确定性参数输入,获得了不确定性下的灌区用水优化结果。案例分析表明,该方法有效筛选出优化模型中高敏感的关键参数,综合考虑了不确定性参数对模型优化结果的影响,大大减少了模型不确定性参数的表征数量,降低了模型复杂性,有效提高了模型计算效率,可为灌区水资源优化配置问题提供方法参考。
