Resumen

La optimización de los parámetros de un modelo hidrológico es intrínsecamente un problema de optimización combinatoria, no lineal y multivariable, que implica un conjunto de objetivos diferentes. En la actualidad, la evaluación de los resultados de la optimización del modelo hidrológico suele realizarse mediante cálculos y comparaciones de los valores de las funciones objetivo de las variables simuladas y observadas. Por lo tanto, la selección adecuada de la combinación de funciones objetivo para la optimización de los parámetros del modelo tiene un impacto importante en la previsión hidrológica. Existen varias funciones objetivo, y no se ha estudiado en profundidad cómo analizar y evaluar las combinaciones de funciones objetivo para seleccionar los parámetros óptimos. Por lo tanto, para seleccionar la combinación de funciones objetivo adecuada que pueda equilibrar el compromiso entre varios objetivos de diseño y lograr el mejor beneficio general, se necesita urgentemente un marco simple y conveniente para la comparación de la influencia de diferentes combinaciones de funciones objetivo en los resultados de la optimización. En este trabajo, se recogieron de la literatura varias funciones objetivo relacionadas con la optimización de parámetros de modelos hidrológicos y se construyeron nueve combinaciones. A continuación, se propone un marco de selección y evaluación de funciones objetivo para la optimización de parámetros de modelos hidrológicos, en el que se emplea un algoritmo de colonia de abejas artificial multiobjetivo denominado RMOABC para optimizar el modelo hidrológico y obtener las soluciones óptimas de Pareto. El problema de optimización de parámetros del modelo hidrológico de Xinanjiang se tomó como caso de aplicación para la predicción de la escorrentía a largo plazo en la cuenca del río Heihe. Por último, se adapta la técnica de preferencia de orden por similitud a la solución ideal (TOPSIS) basada en la teoría de la entropía para ordenar las soluciones óptimas de Pareto con el fin de comparar estas combinaciones de funciones objetivo y obtener la combinación integral de funciones objetivo óptimas. Los resultados de los experimentos demuestran que la combinación 2 de funciones objetivo puede proporcionar opciones dominantes más completas y fiables (es decir, conjuntos de parámetros) para la previsión hidrológica práctica en el área de estudio. Se ha demostrado que el método basado en la entropía es eficaz para analizar y evaluar el rendimiento de diferentes combinaciones de funciones objetivo y puede proporcionar un apoyo a la decisión más completo e impersonal para la previsión hidrológica.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:modelo hidrológico, combinación de funciones de objetivos, función de objetivos, optimización de los parámetros del modelo, función de varios objetivos, optimización de los parámetros, resultados de la optimización, previsión hidrológica, soluciones óptimas, varios objetivos de diseño
• Keywords:hydrological model, objectives function combination, objectives function, model parameters optimization, various objectives function, parameters optimization, optimization results, hydrological forecasting, optimal solutions, various design objectives