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。

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。