The advent of hydrological modeling frameworks that support multiple model structures using the same software enables both model structure and model parameters to be calibrated and assessed. To date, the identification of optimal model structure has typically been performed manually. Here, a continuous (rather than discrete) treatment of model structure is used, which enables simultaneous automatic calibration of model structure and parameters using a conventional real‐valued decision variable optimization algorithm (the dynamically dimensioned search algorithm, DDS). The method, referred to herein as blended model structure calibration (BMSC), relies upon the calculation of each hydrologic flux (e.g., for infiltration) as a weighted average of fluxes generated from multiple process algorithm options. This method is applied to 12 lumped MOPEX catchment models and compared to the calibration of 108 fixed model structures, representing all possible permutations of fixed model structures with the given process options in this study. The BMSC method consistently identified near‐optimal model structure (as evaluated using average model rank performance) at significantly lower computational cost than calibrating the collective of fixed structure models. The BMSC method also provides a useful tool in identifying dominant processes and model structures in catchments.

中文翻译：

---

利用混合模型同时标定水文模型的结构和参数

支持使用同一软件的多个模型结构的水文建模框架的问世使得模型结构和模型参数都可以被校准和评估。迄今为止，最佳模型结构的识别通常是手动执行的。此处，使用了连续（而不是离散）的模型结构处理，这使得可以使用常规的实值决策变量优化算法（动态尺寸搜索算法，DDS）同时自动校准模型结构和参数。该方法在本文中称为混合模型结构校准（BMSC），它依赖于每个水文通量的计算（例如，用于渗透），作为从多个过程算法选项生成的通量的加权平均值。该方法适用于12个集总的MOPEX集水模型，并与108个固定模型结构的校准进行了比较，代表了本研究中使用给定过程选项的固定模型结构的所有可能排列。BMSC方法以比校准固定结构模型的集合要低得多的计算成本一致地确定了接近最佳的模型结构（使用平均模型等级性能进行了评估）。BMSC方法还提供了一个有用的工具，可以识别流域的主导过程和模型结构。BMSC方法以比校准固定结构模型的集合要低得多的计算成本一致地确定了接近最佳的模型结构（使用平均模型等级性能进行了评估）。BMSC方法还提供了一个有用的工具，可以识别流域的主导过程和模型结构。BMSC方法以比校准固定结构模型的集合要低得多的计算成本一致地确定了接近最佳的模型结构（使用平均模型等级性能进行了评估）。BMSC方法还提供了一个有用的工具，可以识别流域的主导过程和模型结构。