Προσαρμογή υδρολογικών μοντέλων σε πολλαπλές αποκρίσεις με χρήση της πολυστοχικής εξελικτικής προσέγγισης ανόπτησης-απλόκου

A. Efstratiadis, and D. Koutsoyiannis, Fitting hydrological models on multiple responses using the multiobjective evolutionary annealing simplex approach, Practical hydroinformatics: Computational intelligence and technological developments in water applications, edited by R.J. Abrahart, L. M. See, and D. P. Solomatine, 259–273, doi:10.1007/978-3-540-79881-1_19, Springer, 2008.

[Προσαρμογή υδρολογικών μοντέλων σε πολλαπλές αποκρίσεις με χρήση της πολυστοχικής εξελικτικής προσέγγισης ανόπτησης-απλόκου]

[doc_id=796]

[Αγγλικά]

Τα περισσότερα υδρολογικά μοντέλα, όταν βαθμονομούνται με βάση μια μοναδική παρατηρημένη απόκριση, (π.χ. παροχή ποταμού σε ένα σημείο) οδηγούν σε φτωχή προγνωστική ικανότητα επειδή οι υπόλοιπες μεταβλητές απόκρισης της λεκάνης παραμένουν πρακτικά ανέλεγκτες. Οι σύγχρονες εξελίξεις στη μοντελοποίηση υποδεικνύουν ότι είναι ουσιαστικό να ληφθούν υπόψη πολλαπλά κριτήρια προσαρμογής, τα οποία αντιστοιχούν σε διαφορετικές παρατηρημένες αποκρίσεις ή σε διαφορετικές όψεις της ίδιας απόκρισης. Αυτό μπορεί να επιτευχθεί μέσω εργαλείων πολυστοχικής βαθμονόμησης, τα οποία δίνουν σύνολα λύσεων αντί μιας ολικά βέλτιστης λύσης. Ωστόσο, οι υπάρχουσες μέθοδοι πολυστοχικής βελτιστοποίησης είναι μάλλον ανεπαρκείς σε πραγματικά προβλήματα με πολλά κριτήρια και πολλές μεταβλητές ελέγχου. Στις υδρολογικές εφαρμογές υπάρχουν μερικά επιπρόσθετα ζητήματα, εξαιτίας της αβεβαιότητας στην περιγραφή των πολύπλοκων διεργασιών και των σφαλμάτων μετρήσεων. Η πολυστοχική εξελικτική μέθοδος ανόπτησης-απλόκου εφαρμόζει ένα πρωτότυπο σχήμα που αναπτύχθηκε για τη βελτιστοποίηση τέτοιων προβλημάτων. Τα χαρακτηριστικά και οι δυνατότητές της επεξηγούνται με τη χρήση ενός απαιτητικού προβλήματος εκτίμησης παραμέτρων, το οποίο αναφέρεται στην υδρολογική μοντελοποίηση και διαχείριση νερού μιας καρστικής λεκάνης στην Ελλάδα.

Το πλήρες κείμενο διατίθεται μόνο στο δίκτυο του ΕΜΠ λόγω νομικών περιορισμών

Βλέπε επίσης: http://dx.doi.org/10.1007/978-3-540-79881-1_19

Εργασίες μας στις οποίες αναφέρεται αυτή η εργασία:

1. A. Efstratiadis, and D. Koutsoyiannis, An evolutionary annealing-simplex algorithm for global optimisation of water resource systems, Proceedings of the Fifth International Conference on Hydroinformatics, Cardiff, UK, 1423–1428, doi:10.13140/RG.2.1.1038.6162, International Water Association, 2002.
2. A. Efstratiadis, D. Koutsoyiannis, and D. Xenos, Minimizing water cost in the water resource management of Athens, Urban Water Journal, 1 (1), 3–15, doi:10.1080/15730620410001732099, 2004.
3. E. Rozos, A. Efstratiadis, I. Nalbantis, and D. Koutsoyiannis, Calibration of a semi-distributed model for conjunctive simulation of surface and groundwater flows, Hydrological Sciences Journal, 49 (5), 819–842, doi:10.1623/hysj.49.5.819.55130, 2004.
4. A. Efstratiadis, E. Rozos, A. Koukouvinos, I. Nalbantis, G. Karavokiros, and D. Koutsoyiannis, An integrated model for conjunctive simulation of hydrological processes and water resources management in river basins, European Geosciences Union General Assembly 2005, Geophysical Research Abstracts, Vol. 7, Vienna, 03560, doi:10.13140/RG.2.2.27930.64960, European Geosciences Union, 2005.
5. A. Efstratiadis, and D. Koutsoyiannis, The multiobjective evolutionary annealing-simplex method and its application in calibrating hydrological models, European Geosciences Union General Assembly 2005, Geophysical Research Abstracts, Vol. 7, Vienna, 04593, doi:10.13140/RG.2.2.32963.81446, European Geosciences Union, 2005.
6. E. Rozos, and D. Koutsoyiannis, A multicell karstic aquifer model with alternative flow equations, Journal of Hydrology, 325 (1-4), 340–355, 2006.
7. Α. Ευστρατιάδης, Μη γραμμικές μέθοδοι σε πολυκριτηριακά προβλήματα βελτιστοποίησης υδατικών πόρων, με έμφαση στη βαθμονόμηση υδρολογικών μοντέλων, Διδακτορική διατριβή, 391 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Φεβρουάριος 2008.

Εργασίες μας που αναφέρονται σ' αυτή την εργασία:

1. A. Efstratiadis, I. Nalbantis, A. Koukouvinos, E. Rozos, and D. Koutsoyiannis, HYDROGEIOS: A semi-distributed GIS-based hydrological model for modified river basins, Hydrology and Earth System Sciences, 12, 989–1006, doi:10.5194/hess-12-989-2008, 2008.
2. A. Efstratiadis, and D. Koutsoyiannis, On the practical use of multiobjective optimisation in hydrological model calibration, European Geosciences Union General Assembly 2009, Geophysical Research Abstracts, Vol. 11, Vienna, 2326, doi:10.13140/RG.2.2.10445.64480, European Geosciences Union, 2009.
3. A. Efstratiadis, and D. Koutsoyiannis, One decade of multiobjective calibration approaches in hydrological modelling: a review, Hydrological Sciences Journal, 55 (1), 58–78, doi:10.1080/02626660903526292, 2010.
4. I. Tsoukalas, P. Kossieris, A. Efstratiadis, and C. Makropoulos, Surrogate-enhanced evolutionary annealing simplex algorithm for effective and efficient optimization of water resources problems on a budget, Environmental Modelling and Software, 77, 122–142, doi:10.1016/j.envsoft.2015.12.008, 2016.

Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar ή στο ResearchGate

Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

1. #Solomatine, D. L.M. See and R.J. Abrahart, Data-driven modelling: concepts, approaches and experiences, Practical hydroinformatics , ed. by R.J. Abrahart, L. M. See, and D. P. Solomatine, 33-47, Springer, doi:10.1007/978-3-540-79881-1_2, 2008.
2. Pollacco, J. A. P., and B. P. Mohanty, Uncertainties of water fluxes in SVAT models: inverting surface soil moisture and evapotranspiration retrieved from remote sensing, Vadose Zone Journal, 11(3), vzj2011.0167, 2012.
3. Dumedah, G., Formulation of the evolutionary-based data assimilation and its implementation in hydrological forecasting, Water Resources Management, 26(13), 3853-3870, 2012.
4. Dumedah, G., and P. Coulibaly, Evaluating forecasting performance for data assimilation methods: the Ensemble Kalman Filter, the Particle Filter, and the Evolutionary-based assimilation, Advances in Water Resources, 60, 47-63, 2013.
5. Gharari, S., M. Hrachowitz, F. Fenicia, H. Gao, and H. H. G. Savenije, Using expert knowledge to increase realism in environmental system models can dramatically reduce the need for calibration, Hydrology and Earth System Sciences, 18, 4839-4859, doi:10.5194/hess-18-4839-2014, 2014.
6. Ho, V. H., I. Kougias, and J. H. Kim, Reservoir operation using hybrid optimization algorithms, Global Nest Journal, 17(1), 103-117, 2015.
7. Tigkas, D., V. Christelis, and G. Tsakiris, Comparative study of evolutionary algorithms for the automatic calibration of the Medbasin-D conceptual hydrological model, Environmental Processes, 3(3), 629–644, doi:10.1007/s40710-016-0147-1, 2016.
8. Laura, R., L. L. Matthieu, G. Federico, L. M. Nicolas, H. Frédéric, M. Céline, and R. Pierre, Impact of mesoscale spatial variability of climatic inputs and parameters on the hydrological response, Journal of Hydrology, 553, 13-25, doi:10.1016/j.jhydrol.2017.07.037, 2017.
9. Naik, P., S. Aramideh, and A. M. Ardekani, History matching of surfactant-polymer flooding using polynomial chaos expansion, Journal of Petroleum Science and Engineering, 173, 1438-1452, doi:10.1016/j.petrol.2018.09.089, 2019.

Κατηγορίες: Βελτιστοποίηση