基于参数不确定性的概率预报研究

水文模型参数的选取通常依靠经验判断或者依赖历史库中的不完备数据集进行自动优选,所选参数并不一定能够准确反映流域降雨径流特点,更不足以反映不同洪水涨落阶段洪水特征的变化。基于水文模型参数存在显著不确定性的客观事实,以随机参数驱动水文模型,并结合数值模型实现概率预报。通过东湾流域36场洪水模拟试验,揭示了水文参数不确定性对洪水预报结果的显著影响,提出的概率预报算法能够给出精确、可靠的预报结果,说明该算法能够降低水文模型参数所带来的洪水预报不确定性。     

基于参数不确定性的洪水概率预报研究

水文模型参数的选取通常依靠经验判断或者依赖历史库中的不完备数据集进行自动优选,所选参数并不一定能够准确反映流域降雨径流特点,更不足以反映不同洪水涨落阶段洪水特征的变化。基于水文模型的参数存在显著不确定性的客观事实,以随机参数驱动水文模型,并结合数值模型实现概率预报。通过东湾流域36场洪水模拟试验,揭示了水文参数不确定性对洪水预报结果的显著影响,验证了概率预报算法能够给出精确、可靠的预报结果,说明该算法能够降低水文模型参数所带来的洪水预报不确定性。     

贝叶斯概率洪水预报模型及其比较应用研究

贝叶斯概率预报系统(BFS)为开发各种概率水文预报模型提供了方法性的框架,选择合理的先验密度和似然函数是其关键问题。利用Copula函数推导了流量先验分布及似然函数的解析表达式,通过数值方法求解后验分布,构建了Copula-BFS模型。以三峡水库汛期入库流量概率预报为例,对所提Copula-BFS模型进行检验,并与水文不确定性处理器(HUP)和基于BP神经网络的贝叶斯洪水概率预报模型(BP-BFS)进行比较。结果表明:Copula-BFS模型后验均值预报可以提高预报精度且略优于现有的模型,具有性质更加优良的预报置信区间。本文所提Copula-BFS模型不需要进行线性-正态假设,适用范围更广,应用更加灵活,为洪水概率预报研究提供一条新途径。     

贝叶斯概率水文预报研究进展与展望

水文预报不可避免地存在着输入、水文模型参数和结构等不确定性,导致预报结果也具有不确定性。因此,定量估计水文预报的不确定性,实现概率水文预报,不仅可得到比确定性预报更高的精度,而且还能为决策者提供更丰富的预报信息。本文根据不确定性来源的不同,从输入资料、模型结构、模型参数和综合不确定性等方面,详细综述了贝叶斯水文概率预报的研究进展,归纳了精度评定指标和效果检验方法,并展望了贝叶斯概率水文预报未来的研究重点和方向:(1)科学有效地解释、沟通和传播水文预报不确定性信息和概率水文预报产品;(2)建立水文集合概率预报框架,估计并降低水文预报的总不确定性;(3)开展考虑预报变量时空相关性的贝叶斯概率水文预报研究;(4)深入推动概率水文预报信息在风险决策中的应用。     

基于AR(P)模型和随机模拟技术的洪水概率分析

在中长期水文预报中,AR(P)模型和其他预报方法一样,都可以对未来一段时间(预见期)内的水文要素进行确定值预报。水文过程是随机过程,随着随机模拟技术的发展和PC机的普及,对未来一段时间(预见期)内发生超过某种频率洪水的概率进行科学的预估提供了工具。文章在 AR(P)模型预报结果的基础上用随机模拟的方法推求预见期内的超过某种频率设计洪水的概率, 为中长期水文预报提供了一种新的思路。     

径流贝叶斯概率预报在水库发电优化调度中的应用

为了充分考虑降雨、径流预报的不确定性和降低水库发电调度模型的复杂性,采用贝叶斯概率水文预报系统(BFS)耦合降雨预报的不确定性和径流预报模型本身的不确定性来定量描述径流预报的不确定性,发布径流确定性预报、概率预报和概率预报期望值;结合随机动态规划(SDP)模型和贝叶斯随机动态规划(BSDP)模型来制定发电调度图;以浑江桓仁水库流域为背景,采用美国国家天气局的全球预报系统(GFS)发布的10d降雨预报信息作为预报模型输入,模拟桓仁水库的发电调度过程。模拟结果表明基于径流贝叶斯概率预报的水库发电调度能有效提高水库的发电效益和保证率。     

基于Copula函数的多变量水文不确定性处理器

传统的水文不确定性处理器(HUP)属于单变量结构类型,只能独立地给出各预见期实际流量的贝叶斯后验概率密度,没有考虑它们之间的内在相关性。本文利用Copula函数推导了贝叶斯转移预报(BTF)方法中后验转移密度的解析表达式,提出了基于Copula函数的贝叶斯转移预报(CBTF)方法和基于Copula函数的多变量水文不确定性处理器(CMHUP),进而发展了基于Copula函数的贝叶斯极值预报(CBEF)方法,并应用于三峡水库入库洪水预报中。结果表明:所提方法实用有效,CBTF方法和CMHUP可以定量地评估三峡水库入库流量转移预报的不确定性,准确揭示了水文预报不确定性在时间上的演变特征,CBEF方法则提供了预见期时段内最大入库流量预报的不确定性信息。所提方法不需要进行线性-正态假设,能够很好地捕捉流量过程的非线性和非正态特征,适用范围更加广泛,对于支撑防洪减灾和水库运行调度具有重要的参考价值。     

TOPMODEL水文模型在九龙江北溪流域洪水模拟中的应用

该文以漳平水文站站址所在河道断面以上的九龙江北溪流域为研究区域,利用数字高程模型(DEM)处理的地形指数和距离面积分布函数、区域自动气象站雨量资料作为TOPMODEL水文模型的输入资料,以水库坝址及水文站站址进行流域单元划分,分单元流域模拟重要洪水过程的逐时流量,以水库入库流量和水文站点逐时实测流量作为模型率定依据,优化调整可应用于研究区域的水文模型参数。研究结果表明:TOPMODEL水文模型在研究流域内对洪水过程总平均确定性系数为0.88,平均径流深误差为-4.63%,平均洪峰误差为14.92%;水库入库流量模拟效果好,确定性系数达0.90。这表明TOPMODEL对九龙江北溪流域洪水预报模拟有一定的适用性,可作为洪水预报的参考依据。通过结合更多的洪水过程数据不断优化调整模型参数,应用本地化TOPMODEL水文模型和区域数值预报产品的逐时降水资料,将为水库入库流量及中小河流流域精细化水文气象预报服务的开展提供客观定量的预报产品。     

门楼水库洪水预报及修正方法

由于流域下垫面条件、人类活动和水利工程影响,使得概念性流域水文模型更加难于全面地描述流域的产汇流特性,导致预报结果误差较大。研究以门楼水库为背景,分析流域入库洪水组成、水利工程分布、气候及下垫面等水文特点,采用大伙房模型(DHF)进行门楼水库以上流域的洪水预报方案研究,进而修正水库的入库洪水过程。研究结果表明,修正后的洪水预报结果精度比修正前有较大提高,可以为水库防洪调度决策提供依据。     

分布式水文模型结合气象预报方法初步探讨

为了尽量消除因流域空间非均一性引起的水文模拟不确定性,采用基于GBHM分布式水文模型以及具有明确物理意义的模型参数,利用三峡区间2011年5~6月期间的气象预报信息,探讨该区域实时洪水预报方法,以及不同预见期的洪水预报精度。结果表明,分布式水文模型与气象预报数据结合,能够较好地模拟该区间的洪水过程。该方法在一定预见期内能够对实时洪水过程进行预报,预报精度很大程度上取决于降水预报的准确性。     

基于BP神经网络的贝叶斯概率水文预报模型

本文在贝叶斯概率水文预报系统(BFS)框架之上，研究了双牌水库水文预报的不确定性，建立了流量先验分布及似然函数的BP神经网络模型，并通过Markov链Monte Carlo(MCMC)方法求解得到流量后验分布及其统计参数。通过对双牌水库历史洪水的研究结果表明，基于BP神经网络的BFS不仅显著提高了预报精度，而且为防洪决策提供了更多的信息，使得预报人员在决策中能考虑预报的不确定性，定量的估计各种决策的风险和后果。     

水文模型模拟水文极值的不确定性分析

以黄河源区为研究区,运用GLUE法分析了HBV模型和新安江模型模拟水文极值的不确定性。目标似然函数阈值分别选用0.7、0.6、0.5,将得到的洪水和枯水水文极值以及选出的模拟结果按丰水年、平水年和枯水年过程分别进行分析。结果表明:两个模型均擅长于模拟洪水,而且对洪水模拟的不确定性较对枯水模拟的不确定性低;从两个水文模型模拟日过程估计区间的差别看,HBV模型估计区间与实测相比,洪水年总体偏低,枯水年总体偏高,平水年不存在明显趋势,新安江模型则不存在这个特点;在相同的参数采样方法和策略下,HBV模型的不确定性比新安江模型更显著;两个水文模型对枯水指标Q_(90)和Q_(75)模拟的不确定性都较大;新安江模型对洪水指标Q_(25)和Q_(10)的估计区间小于HBV模型的,不确定性水平较低。     

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。     

水文预报不确定性对水库防洪调度的影响分析

定量分析预报的不确定性,已成为防洪预报调度风险分析中的关键问题。本文基于Copula函数,提出了可以描述水文预报不确定性随时间演化特性的CUE(Copula-based Uncertainty Evolution Model)模型,并通过该模型模拟了水文预报不确定性序列;基于Monte-Carlo方法和模拟序列,计算了预报不确定性对水库防洪预报调度的影响。结果表明,CUE模型能够很好地模拟水文预报不确定性,采用预报预泄法,对三峡水库进行防洪调度,不会增加防洪风险率。     

三峡水库区间定量降水预报不确定性初探

在过去研究的基础上,对三峡水库区间流域随机降水模型与区间流域洪水预报模型耦合得到的模拟流量序列进一步研究,分析定量降水预报误差对水文预报结果的影响,得到区间流域定量降水预报不确定性的解析解;介绍了定量降水预报不确定性处理器(PUP),并且与区间流域随机降水模型进行比较分析.结果表明,两个模型的精度均高于确定性预报结果,且随机降水模型的精度要高于PUP.     

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2可靠性0 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 01 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。     

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。     

基于混合深度学习模型的洪水过程概率预报研究

传统的人工神经网络模型无法量化洪水预报的不确定性,而且在多时段连续预报中未考虑输出的时间相关性。本文通过融合新安江(XAJ)模型、基于外源输入编码-解码(EDE)结构的长短期记忆(LSTM)神经网络和混合密度网络(MDN),构建了XAJ-LSTM-EDE-MDN混合深度学习模型,以实现洪水过程概率预报。该模型在考虑预报洪水时间相关性的前提下,将解码过程产生的点估计转化为条件概率分布的估计;进一步采用最大似然估计法建立了损失函数,通过自适应矩估计(Adam)算法优选模型参数。在陆水和建溪两个流域的研究结果表明：该模型在不降低XAJ-LSTM-EDE模型预报精度的前提下,可有效反映预报洪水过程的不确定性,获得合理可靠的置信区间和优良的概率预报性能,为水库防洪调度等决策提供更多的风险信息,同时为研究深度学习在洪水概率预报中的应用提供参考。     

丹江口水库入库洪水概率预报及调度风险分析

为了科学表示洪水预报中的不确定性和风险信息，以丹江口水库为研究对象，基于Copula贝叶斯方法开展丹江口水库入库洪水流量概率预报，从概率预报期望值的精度、预报区间的优良性以及整体性能3个方面对概率预报结果进行评价，并在此基础上进行丹江口水库调度风险策略分析。结果表明：随着预见期的延长，丹江口水库流量概率预报的不确定性相应增加，精度有所降低；各预见期的概率预报区间总体合理可靠，区间覆盖率均超过0.87;概率预报期望值精度较确定性预报略有提升，不同预见期的连续概率排位分数CRPS始终小于相应的确定性预报的平均绝对误差MAE,较确定性预报MAE的降低幅度均超过25%。研究成果可提供不同方案下水库水位超目标水位的风险信息，为科学风险调度决策提供参考。     

空间嵌套式流域水文模型的初步研究——以三峡水库入库洪水预报为例

三峡水库的防洪调度是多任务和多目标的,既需要掌握整个长江上游的水、雨和工情,也不能忽视三峡区间洪水信息。本论文以三峡水库入库洪水预报为例,依据入库洪水特性,在整个长江上游和三峡区间分别构建了大小两种尺度网格单元的分布式水文模型,并与一维和二维非恒定流的库区水动力学模型相结合,初步实现了这两种尺度水文模型的空间嵌套,以此探讨适合于大型流域数字水文模拟的空间嵌套式流域水文模型结构与构建方法。研究初步表明,嵌套模式构建的流域水文模拟方法,能够解决大流域水文模拟中多尺度之间的衔接问题。