確定性水文模型的貝葉斯概率預(yù)報(bào)方法研究.pdf

1、水文現(xiàn)象是一種既受確定性因素影響，又受隨機(jī)性因素影響的復(fù)雜現(xiàn)象。水文模型的輸入與參數(shù)均存在著一定程度的隨機(jī)性，因此，水文模型的輸出也具有不確定性，據(jù)此做出的概率水文預(yù)報(bào)應(yīng)較確定性水文預(yù)報(bào)更具科學(xué)性。 BFS(貝葉斯概率預(yù)報(bào)系統(tǒng))就是構(gòu)建概率水文預(yù)報(bào)的理論框架之一。在此框架下，借助于所提出的AGA(加速遺傳算法)的AM-MCMC(自適應(yīng)馬爾可夫鏈蒙特卡羅)隨機(jī)模擬方法，即AGA-AM-MCMC方法，分別建立了基于AGA-AM-MC

2、MC的Nash模型的BFS和基于AGA-AM-MCMC的XAJ(新安江三水源)模型的BFS。 應(yīng)用基于AGA-AM-MCMC的Nash模型的BFS研究了沿渡河流域的流域匯流和襄陽一皇莊河段的河道洪水演算的不確定性對預(yù)報(bào)結(jié)果的影響，實(shí)現(xiàn)了概率水文預(yù)報(bào)的目的。實(shí)例分析表明，這種方法能同時(shí)給出洪水流量的均值預(yù)報(bào)及其方差，還能給出指定概率的置信區(qū)間，定量了預(yù)報(bào)的不確定度。此外，在流域匯流和河道洪水演算中，Nash模型的兩參數(shù)均存在明顯的

3、相關(guān)性；在河道洪水演算中，輸入不確定性對預(yù)報(bào)結(jié)果的影響大于參數(shù)不確定性對預(yù)報(bào)結(jié)果的影響。 應(yīng)用基于AGA的BP神經(jīng)網(wǎng)絡(luò)(AGA-BP)描述先驗(yàn)密度與似然函數(shù)，解決了BFS中先驗(yàn)密度與似然函數(shù)較難獲得的問題，進(jìn)而建立了基于AGA-AM-MCMC的XAJ模型的BFS。通過在沿渡河流域降雨徑流預(yù)報(bào)中的應(yīng)用，說明該法作為概率水文預(yù)報(bào)是可行的，不僅可以給出均值預(yù)報(bào)，而且可以給出以方差和指定概率的置信區(qū)間為指標(biāo)的預(yù)報(bào)不確定度。采用基于AGA