Improving water quantity simulation & forecasting to solve the energy-water-food nexus issue by using heterogeneous computing accelerated global optimization method

　　随着人口的持续增长和经济的快速发展，人类社会对能源、水资源和粮食的需求剧增。水资源在能源-水-粮食关系中起到最重要的作用，例如：水利发电等清洁能源供给、饮用水供给和农业灌溉水相关的粮食用水。因此，水量模拟与预报在能源-水-粮食关系领域成为关键问题。水量模拟与预报模型（如降雨-径流水文模型）已成为一种实用工具。及时准确的水量预测可以显著提升水力发电、水资源管理和农业灌溉水利用的效率。水量模拟与预报模型的精度和可靠性受到模型参数的显著影响。因此，能源-水-粮食关系问题对有效快速的模型参数优化工具的需求强烈。然而，在复杂的能源-水-粮食关系问题中，SCE-UA算法的计算效率显著下降。为了解决这一难题，提出了一种快速并行SCE-UA方法。并行SCE-UA算法基于新的异构计算硬件设备和软件系统，包括：英特尔多核CPU、英伟达众核GPU和PGI Visual Fortran加速器编译器（支持OpenMP和CUDA）。基于两个算例（Griewank测试函数优化问题和IHACRES降雨-径流水文模型参数优化问题）对并行和串行SCE-UA算法的性能进行了比较。结果表明，并行SCE-UA算法性能优于串行算法，在能源-水-粮食关系问题的水量模拟与预报模型参数率定中具有很好的应用前景。