基于贝叶斯分析的概率洪水预报模型研究

根据贝叶斯分析,用先验分布考虑水文要素的自然不确定性,用似然函数描述水文模型和参数的不确定性,通过亚高斯模型对实际流量与模拟流量进行正态分位数转化,并对转化后的时间序列进行线性-正态假设,得到实际流量的后验密度函数的解析解。利用白云山水库的资料进行检验,结果表明贝叶斯概率洪水预报可显著提高预报精度,实现了预报与决策的有机结合。

水文模型参数不确定性及对概率洪水预报的影响

为研究Nash模型参数的不确定性,提出了基于自适应采样算法的马尔可夫链蒙特卡罗模拟与贝叶斯理论及遗传算法耦合,构建了基于贝叶斯理论的自适应采样算法,并进行概率洪水预报,分析了参数不确定性对预报结果的影响。实例结果表明,该方法获取的Nash模型参数后验分布可用于概率洪水预报,获得的统计特征可全面考虑水文模型参数的不确定性,可提高概率洪水预报精度,降低洪水预报结果的不确定度。

贝叶斯概率洪水预报系统

贝叶斯概率洪水预报系统考虑预见期内定量降水预报不确定性和水文模型及参数等水文不确定性,通过全概率公式将两者结合起来得到预报概率密度函数。通过实例研究,结果表明该法为防洪决策提供了可靠的理论依据,实现了预报与决策过程的有机耦合,可显著提高洪水预报精度。

基于AM-MCMC算法和Nash模型的概率洪水预报

贝叶斯理论不仅可与任一确定性水文模型协同工作实现概率洪水预报,而且还可以通过综合参数的先验信息和样本信息来研究指定参数的不确定性.由于难于求得参数的贝叶斯后验密度解析式,采用改进的基于自适应采样的马尔可夫链蒙特卡罗算法(AM-MCMC)求其数值解的方法.经实例应用,得到了长江三峡地区沿渡河流域Nash模型参数k,n的后验分布,实现了该流域的概率洪水预报,同时给出了各时刻洪水流量的均值和方差的预报值.

Nash模型参数不确定性分析及概率洪水预报

针对通常水文预报过程参数的不确定性问题,利用贝叶斯理论,结合自适应采样的马尔可夫链蒙特卡罗方法来研究Nash模型参数的不确定性,并进行概率洪水预报。实例研究表明,该方法能充分利用已知的后验信息获取Nash模型参数的不确定性,得到其后验分布。根据获得的参数后验分布可实现概率洪水预报,同时给出各时刻洪水流量的均值和方差的预报值,为估计各种防洪决策的风险提供了依据。

考虑降雨不确定性的洪水概率预报方法

基于流域雨量站网布设的抽站法原理,推导以面雨量计算值为条件的面雨量真值的概率分布,用以描述现有测站数目条件下流域面雨量计算的不确定性。在此基础上,结合确定性预报模型,展开洪水概率预报研究。以淮河黄泥庄流域为研究对象,对该方法进行应用,结果表明:该方法不仅可以实现任一时段流域面雨量真值概率分布的估计,描述面雨量计算的不确定性;同时,通过与水文模型(如新安江模型)耦合,结合Monte-Carlo抽样技术,可以实现预报流量概率分布的估计,从而实现洪水概率预报。

洪水概率预报评价指标研究

在分析现有洪水概率预报评价指标的基础上,建立了洪水概率预报的“精度-可靠度”联合评价指标体系.“精度”指标用于评价倾向值预报的准确性,包括确定性系数、相对误差等指标;“可靠度”指标用于评价区间预报的合理性,包括覆盖率、区间离散度等指标.其中,在“可靠度”评价指标中,提出了一个新的评价指标,即覆盖率判定系数,用以评价多个区间预报结果的整体合理性.以淮河王家坝区间流域为例进行应用研究,结果表明:“精度-可靠度”联合评价指标体系可以对洪水概率预报结果的合理性做出更全面的评价.

BFS-HUP模型在潼关站洪水概率预报中的应用

采用马斯京根演算法作为确定性预报模型,并选用贝叶斯预报系统(BFS)的水文不确定性处理器(HUP)作为概率预报模型,获得预报变量的概率分布,实现黄河潼关站洪水的概率预报。将预报变量概率分布的中位数作为定值预报与确定性预报进行对比,发现预报精度有所提高,表明贝叶斯模型的预报校正能力较强。通过设定不同确定性预报精度的情景方案,探讨了确定性预报精度对概率预报可靠度的影响。结果表明,随着确定性预报精度的提高,概率预报区间宽度和离散度均有所减小;HUP洪水概率预报的可靠度对确定性预报的偶然性误差比较敏感,对系统偏差相对不敏感。

基于重组降水集合预报的洪水概率预报

采用条件亚正态模型方法,生成了具有包含不同可能性的降水集合预报。为了保持各子流域降水集合预报变量之间的空间相关性,采用集合预报重组方法对降水集合预报进行重新排列。使用重组后的降水集合预报驱动水文模型,实现了淮河上游大坡岭一息县、淮河上游息县一王家坝和汝河一洪河上游3个子流域的12次洪水过程的洪水概率预报,并对1988年9月7日和1991年7月31日两次洪水概率预报进行个例分析。结果表明:相对于单一确定性预报,通过条件亚正态分布模型生成降水集合预报后,再经过Schaake洗牌法空间相关性重新组合的降水集合预报,捕捉洪峰出现时间和流量的能力更强。对洪水概率预报来说,降水概率预报更能达到对未来的水文事件进行最大可能估计的目的,并尽可能综合了降水预报不确定性因素,同时也说明维持变量原有的空间相关特征对于降水概率预报具有重要意义。

水库洪水概率预报和汛期运行水位动态控制

降水和洪水预报对水库防洪兴利综合调度至关重要。开展中长期降雨预报和洪水概率预报,不仅可延长预见期,还可考虑不确定性并提高预报精度。介绍了水库洪水概率预报和水库汛期运行水位动态控制,显著地提高了洪水资源利用率。建议进一步开展降雨洪水概率预报、水库汛限水位专题研究和应用,提高我国水库的科学管理水平。

基于分位点回归模型的洪水概率预报方法

采用分位点回归模型分析洪水预报的不确定性,提供洪水预报倾向值(预报概率分布的中位数)和90%置信度的预报区间成果,实现了洪水概率预报。基于"精度-可靠性"联合评价指标对分位点回归模型计算的预报倾向值和预报区间成果进行了评估。在信江流域梅港站的应用结果表明:基于分位点回归模型提供的倾向值定值预报结果可进一步提升洪水预报的精度;同时该模型提供的90%预报区间结果具有较高的覆盖率(约90%)且离散度较小(小于0.20),表明预报区间以较窄的宽度包含了绝大多数的实测值,预报可靠性较强。

Copula-MCP洪水概率预报方法研究与应用

常用的洪水概率预报方法一般都采用了正态化变换与线性假设,可能会导致信息的丢失,也影响了其对洪水过程的适用性。鉴于此,将Copula函数与模型条件处理器MCP相结合,不需要正态-线性条件约束,直接推求以预报值为条件的流量分布函数,构建Copula-MCP的洪水概率预报模型。以淮河王家坝断面为例,在经验降雨径流模型API的确定性预报结果的基础上,采用Copula-MCP模型实现洪水概率预报。对1990-2010年共25场洪水的研究结果表明:Copula-MCP模型优于MCP模型的概率预报结果,Copula-MCP模型的期望值预报亦优于API模型结果。

MCP模型在嘉陵江小河坝站洪水概率预报中的应用

在新安江模型预报结果基础上,采用模型条件处理器(MCP)推求以预报值为条件的预报流量条件概率分布函数,从而实现洪水的概率预报。考虑到不同量级洪水其预报误差分布的规律不同,先将流量分级,再利用贝叶斯理论推求不同量级洪水的分段条件概率分布函数。以嘉陵江小河坝断面的洪水概率预报为例的研究结果表明,其置信度90%的预报区间覆盖实测数据的比例平均可达80%以上,区间离散度平均低于0.6,MCP洪水概率预报精度较高;较新安江模型预报精度整体也有所提高。表明MCP不仅可实现概率预报,同时亦具备一定的校正预报能力。

综合多源不确定性的洪水概率预报试验

为探究多种不确定性因素综合影响下洪水概率预报的实现方法及其适用性,利用2003—2020年史灌河流域多场次洪水开展模拟试验,在量化降雨输入、模型参数及结构不确定性程度的前提下,基于MCMC(Markov chain Monte Carlo)方法融合各来源不确定性实现洪水概率预报,并分别基于覆盖率、确定性系数指标评估预报结果的可靠性及预报精度。结果表明:综合多源不确定性洪水概率预报的5%~95%置信区间,能够较为稳定也包络预见期内洪水发展变化过程,有效降低误报、漏报的可能性;均值预报结果所提供确定性的预报洪水略优于原始的单一模型预报结果,进一步提高了洪水预报成果的可靠性及参考价值。

河道洪水概率预报方法研究

河道洪水预报对防洪减灾和水资源的综合利用有着重要的现实意义。考虑到水文预报不确定性的水文风险,为了更科学地对河道洪水进行预测,提出将贝叶斯方法的思路引入到河道洪水的概率预报中,计算预报流量的概率密度分布和置信区间,获得河道洪水的概率预报结果,为防洪决策提供更丰富的信息。

基于多模型MCP方法的洪水概率预报

洪水概率预报通过提供具有一定置信度的预报区间,评估预报结果的可靠度,为防洪调度提供重要依据。以淮河关键防洪断面王家坝为研究对象,分别采用API和新安江(XAJ)确定性模型进行初始的确定性预报,在此基础上,再采用模型条件处理器(MCP)推求不同量级洪水预报流量的条件概率分布函数,实现洪水概率预报。分别从中位数的确定性精度评价和概率预报的可靠度评价两方面对预报结果进行分析,结果表明:MCP洪水概率预报结果不仅具有较高的可靠度,而且其中位数预报与确定性模型结果相比,预报精度整体有所提高,说明MCP具备一定的校正预报能力。

结合改进雨量不确定性计算方法的洪水概率预报及其应用

为更准确地预报洪水发生概率,针对传统雨量不确定性计算方法中相对误差估计不准确的问题,将独立同分布中心极限定理引入降雨不确定性计算中,推求一定区域内某次降水过程中面雨量测值的相对偏差、测量误差以及相对误差,实现降雨不确定性概率描述;降雨量概率分布计算与确定性水文预报模型耦合,最终实现考虑降雨不确定性的洪水概率预报,并以滩坑流域2014年间5场洪水过程为例对该方法进行了验证。结果表明,5场洪水预报的确定性系数均在0.89以上,洪峰误差均在9%以内,洪量误差均在7%以内,且预报区间覆盖率均在61%以上。说明结合改进雨量不确定性计算方法的洪水概率预报效果较好,预报精度和覆盖率高,具有一定工程实际意义。

BFS在洪水预报中的应用研究

采用贝叶斯预报系统(BFS)水文不确定性处理器(HUP)对水文预报不确定性进行分析,实现概率洪水预报。以新安江流域水文模型为洪水预报模型提供流量初始预报系列,通过亚高斯模型对流量初始预报系列及实测系列分别进行正态分位数变换,由贝叶斯公式得到预报变量的后验概率分布并进行洪水过程的概率预报,采用分布点估值定值预报,并可通过构造置信区间对点估值预报的不确定性进行评估。以南一水库流域为例,将BFS后验概率分布均值与新安江模型预报进行对比,结果表明BFS可提高预报精度。

BFS在洪水预报中的应用与改进

为了实现概率洪水预报,采用贝叶斯预报系统(BFS)中的水文不确定性处理器(HUP),对水文预报的不确定性进行分析.采用新安江模型作为确定性水文模型,以贝叶斯理论为工具,在先验分布和似然函数确定的基础上,最终得到后验分布,从而实现了概率预报.针对预报结果的特点,提出了BFS的改进方案,最后将模型应用于密赛流域.应用结果表明,BFS能够有效地提高预报精度,而改进的BFS能够进一步提高预报精度.

考虑误差异分布的洪水概率预报方法研究

提出一种考虑误差异分布的概率预报方法:根据实测及预报洪水信息,估计不同量级洪水预报误差的概率分布,推导了以预报值为条件的流量分布函数,实现洪水概率预报。以淮河王家坝断面为对象,采用经验预报模型对1996—2007年10场洪水进行预报并分析误差规律,发现不同量级洪水预报误差的均值差异显著,即误差具有异分布特征。为此,构建误差均值与预报值之间的函数关系,建立以预报流量为条件的误差概率分布。在此基础上,对2008年2场洪水进行概率预报,结果表明基于误差异分布的洪水概率预报模型简单实用;若以概率分布期望值作为定值预报,相较于经验预报结果,精度更高。