基于贝叶斯模型加权平均方法的水文模型不确定性分析

贝叶斯模型加权平均(BMA)方法是通过综合几个模型预报值的后验分布来推断预报量的更可靠概率分布分析工具。它不仅能提供一个综合的预报值,还能提供一个综合的预报区间。本文采用3个水文模型,统一用SCE-UA算法率定参数,得到3组不同的预报值用于BMA方法的综合,着重分析比较BMA和单个模型的预报不确定性区间,来检验贝叶斯模型加权平均方法是否能提高预报的可靠性。结果表明,BMA方法不仅能提高预报精度,还能推求出性质更为优良的预报区间,提高预报的可靠性。

基于SODA方法的HyMOD模型不确定性分析

为了改进水文建模过程中的不确定性处理,采用一种融合全局优化和数据同化(Simultaneous Optimization and Data Assimilation,SODA)的混合框架,对Hy MOD模型进行了不确定性分析,并与经典SCEM-UA方法进行了比较。SODA方法具有如下特点:(1)具备较高的参数搜索效率和寻优能力;(2)明确考虑包括输入、输出、参数以及模型结构在内的重要不确定性来源。SODA方法在渭河流域的实例应用结果表明:与SCEM-UA方法相比,SODA方法不仅显著提高了预报精度,而且推求出了性质更为优良的预报区间。SODA方法的成功应用,有助于模型概念的改进及对水文系统功能的理解。

基于不确定水文预报的水库防洪调度风险分析

将基于贝叶斯理论的水文预报不确定分析模型与水库实时防洪调度相结合,依据对水文预报模型不确定性分析来估计未来水库调度所应承担的风险。通过笔者前期研究工作研制的MMGLUE方法结合水库调度模型估计出水库预测调度区间,提出了RROMM模型。应用于七一水库的实践证明,本研究可充分考虑流量的相关关系,保持了预报误差的统计特性,有效减少引入防洪调度水文序列误差,为水库风险调度提供了全新的思路和途径;较传统方法而言,可为决策者提供更多的信息和选择余地;可将基于各种目标函数的预报调度区间及其相应的风险做出明确分类,为水库调度的风险估计以及多目标优化的问题提供了一种新思路。

基于多卫星降雨产品和多降雨径流模型的西江流域径流集合模拟

由于水文模拟不确定性的存在,单一模型获得的径流模拟结果难以满足水文精度要求。集合模拟则是减少不确定性,提高模拟精度的有效方法。现有研究多考虑水文模型的结构不确定性,将不同水文模型的径流模拟结果综合起来。但模型输入的不确定性也是水文模拟不确定性的重要来源。因此,基于贝叶斯加权平均(BMA)方法,考虑模型结构和输入的不确定性,设置了3种集合方案,对2种卫星降雨产品(TRMM、CMORPH)输入到3种水文模型(DDRM模型、新安江模型、GR4J模型)得到的径流序列进行集合,对各集合方案的模拟精度和不确定性进行分析。结果发现,不同卫星降雨产品输入到分布式水文模型中所得到的不同模拟序列具有较好的互补性,采用BMA方法对其进行集合模拟可以有效提高模拟精度,减小径流模拟不确定性。