Comparison of several heuristic approaches to calibration of WATCLASS hydrologic model

摘要

Le but de cette étude est de trouver une méthode d'étalonnage (de calibrage) de calcul peu coûteux d'un modèle hydrologique pour prédire les débits fluviaux. L'approche s'appelle l'optimisation du modèle de substitution (OMS) qui repose sur l'optimisation d'un modèle de substitution au lieu du modèle original qui nécessite un temps de calcul beaucoup plus long. La méthode proposée de SMO combine l'échantillonnage hypercube latin (EHL) et une méthode d'approche statistique que l'on appelle la conception et l'analyse d'expériences informatiques. Pour étudier la performance de cette approche, l'échantillonnage Monte Carlo et les résultats EHL sont comparés aux résultats de l'OMS proposé. Le modèle hydrologique choisi WATCLASS s'utilise pour le débit dans la ligne de partage des eaux de la rivière Smoky en Alberta au Canada qui sert d'étude de cas. L'OMS proposé se révèle nettement plus rapide que les méth-odesd'étalonnage traditionnelles basées sur la Simulation de Monte Carlo ou d'autres méthodes d'optimisation globale.%The purpose of this study is to find a computationally inexpensive calibration method of a hydrologic model for predicting river flows. The approach is called the surrogate model optimization (SMO), which relies on optimizing a surrogate model instead of the original model that requires significantly more computing time. The proposed SMO method combines the Latin hypercube sampling (LHS) method and a statistical approach called the "Design and Analysis of Computer Experiments (DACE)". To investigate the performance of this approach, the Monte Carlo sampling and LHS results are compared with the results of the proposed SMO. As the case study, the prediction results of WATCLASS hydrologie model over Smokey river watershed using MC, LHS and SMO are presented. The proposed SMO is shown to be significantly faster than traditional calibration methods based on Monte Carlo simulation or other global optimization methods.