计算效率低及异参同效（局部优化）是分布式水文模型参数优化研究中存在的主要问题。本文基于RAGA（基于实数编码的加速遗传算法），提出一种分布式水文模型参数分类优化方法，将需要率定的参数根据物理意义分成若干类，逐类进行优化。这种方法可降低待优化参数的维度，一方面可以提高优化计算的速度，另一方面可以在一定程度上逼近全局最优，减少异参同效的问题。本文采用分布式水文模型WEP-L(Water and Energy Processes in Large Scale Basin)模型，针对黄河流域玛曲水文站以上区域1997—2000年逐月流量过程进行参数率定，并对2006—2016年系列进行验证。对比参数不分类优化方法，发现采用参数分类优化方法后，WEP-L模型参数优化的速度提高37%左右，纳什效率系数（NSE）从0.739提高到0.829。说明参数分类优化方法既可以节约时间，又可以保证优化算法的全局性，提高模拟的精度。
