SWAT(soil and water assessment tool)水文模型是近几年国内外使用最广泛的分布式水文模型,因其良好的精度、广泛的适应度得到了众多水文工作者的欢迎。但由于其参数率定部分过高的计算量,给水文工作者在建模调参过程中造成了大量的不便。为了提高SWAT参数率定的运行效率,基于克里金插值理论,对于SWAT原有的优化算法进行改进,提出了一种基于随机过程的参数率定方法,通过一种期望优化的方式对拟合曲面进行寻优。通过Intel MKL和一个对等式并行框架加以并行实现,大大提高了SWAT参数寻优的计算效率以及参数精度,并通过天山北坡流域的模拟验证了并行模型的有效性,说明了克里金优化方法在水文模拟参数寻优的过程中能够达到良好的精度。
随着大规模水文模拟需求的不断提高,如何解决计算需求问题逐渐成为水文研究的一个热点。SWAT(soil and water assessment tool)模型在进行大规模水文模拟时有着良好的适应性与准确度,但其敏感度分析模块由于计算量过高,计算时长往往长达数月之久。为了加快SWAT敏感度分析的运行速度,针对SWAT敏感度分析模块的特点,基于MPI提出了一种高效的主—从式并行计算框架,并在此框架的基础上,通过将正演过程并行化,在敏感度分析的主—从并行框架中引入通信子空间的操作,将并行化的正演与主—从式的外层并行框架相结合,得到一种混合式的敏感度分析并行框架,大大提高了对参数集合的敏感度分析速度,将SWAT敏感度分析模块使用的处理器数量从原始的单核串行一跃提升到百核的数量级。最后通过天山北坡流域的模拟验证了此并行框架的可行性。
