融合MCMC算法的GLUE方法改进研究

近年来GLUE方法被广泛的应用于流域水文模型的不确定性研究工作中。但是，由于方法存在理论上的缺陷，近来国内外研究者对GLUE方法提出一些质疑，如：对模拟结果不加选择、采用主观判断确定可行参数组的阈值、推导得出的后验概率分布过于平坦等。本文在Blasone所做工作的基础之上，进一步提出了MMGLUE（MCMC based Modified GLUE）方法，该方法结合近年来被广泛用于推求参数后验分布的MCMC方法，对基于Monte Carlo随机取样方法传统的GLUE方法进行改进，并以预测区间性质最优为标准，对可行参数组阈值进行判断与选择，首次提出了衡量预测区间对称性的标准，并就预测区间性质与可行参数组个数的相关关系进行了探索。在汉江玉带河流域的实例研究证明，MMGLUE方法较传统的GLUE方法能够推求出性质更为优良的预测区间，从而更真实合理地反映水文模型的不确定性。     

改进的GLUE方法在水文模型不确定性研究中的应用

将近年来广泛应用于推求参数后验分布的MCMC方法，对基于蒙特卡洛随机取样方法的传统的GLUE方法进行了改进。采用两参数月水量平衡模型对改进的GLUE方法进行验证，结果表明：改进的GLUE方法可以有效地提高预测区间的置信度，并且推导的后验分布与实际情况更为吻合。     

融合马尔科夫链-蒙特卡洛算法的改进通用似然不确定性估计方法在流域水文模型中的应用

本文在Blasone研究工作的基础上,进一步提出了基于马尔科夫链-蒙特卡洛算法的改进通用似然不确定性估计方法(Markov Chain_Monte Carlo based Modified Generalized Likelihood Uncertainty Estimation,MMGLUE)。该方法结合近年来被广泛用于推求参数后验分布的MCMC方法,对基于Monte Carlo随机取样方法的传统GLUE方法进行改进,并以预测区间性质最优为标准,对可行参数组阈值进行判断与选择,提出了衡量预测区间对称性的标准,并就预测区间性质与可行参数组个数的相关关系进行了探索。在汉江玉带河流域的实例研究证明,MMGLUE方法较传统的GLUE方法能够推求出性质更为优良的预测区间,从而更真实合理地反映水文模型的不确定性。     

水文模型两种不确定性研究方法的比较

水文模型结构本身的缺陷、模型输入输出误差、水文模型参数冗余及其复杂的非线性联系等,导致了流域水文模型的不确定性.基于贝叶斯理论的MCMC方法及GLUE方法近年来被广泛应用于流域水文模型的不确定性研究工作中.为比较上述2种模型不确定性分析方法的分析效果及其优劣,以位于汉江流域的牧马河流域作为研究对象,采用集总式概念性水文模型SMAR模型作为实验模型,推求其模型参数的不确定性及参数的后验分布.采用基于实测流量资料估计的置信区间可靠性作为评判标准,实验结果表明:就SMAR模型而言,MCMC方法能够更好地推求模型参数的后验分布.     

分流量区间BMA方法在小流域暴雨山洪模拟中的应用——以官山小流域为例

小流域山洪灾害具有成灾时间短、突发性强、危害性大、频次多等特点,严重威胁着区域内社会经济发展和人民群众生命财产安全。受当前山区雨洪资料少、产汇流机理不够完善所限,小流域的暴雨洪水模拟存在着可靠性差、精度低的问题。以我国中部秦巴山区山洪灾害典型流域官山小流域为研究对象,搜集了近期代表性较好的10场洪水,以TOPMODEL、TUWMODEL和新安江模型结果为基础,基于分流量区间BMA方法计算模型权重,提出适用于小流域的水文集合预报模型。结果显示,相比单一水文模型,分流量区间BMA方法模拟的洪峰流量、洪量和峰现时间指标的合格率可分别提高4.5%、39.7%和48.9%,为官山小流域洪水模拟提供了一种有效的模拟手段。研究成果对提高山区小流域洪水预报精度具有一定的理论意义和实践价值。