基于混合蛙跳算法的水文模型参数估计方法

摘要

传统启发式算法在水文模型参数估计中通常存在着易早熟和收敛速度慢等缺陷,为提高水文模型的参数优化精度和算法性能,引入混合蛙跳算法（SFLA）,提出一种基于SFLA的水文模型参数估计方法,将该方法应用到新安江模型的参数估计中,并与基于遗传算法（GA）的参数估计方法进行实验对比分析。实验结果表明：基于SFLA的参数优化方法在平均优化精度上相比遗传算法提高了2.5%;在固定优化精度时,优化成功率相比遗传算法提高了53.33%。证明了混合蛙跳算法应用于水文模型参数估计时,在收敛精度和收敛速度方面均有明显优势。