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。     

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。     

利用 GLUE 方法不同算法分析 TOPMODEL模型不确定性

以丹江的西峡流域为研究对象,采用GLUE方法探讨TOPMODEL模型不确定性。分析不同似然函数算法、调节参数、模型参数和结果预测区间的不确定性,结果表明不同算法的似然函数值既有差异又有相似性,值变化会引起不同似然函数分布的变化,也影响模型参数与似然值的关系。分析不同阈值的90％置信区间的实测值覆盖率、预测区间宽度及预测区间对称性等特征,结果说明阈值越小,预测区间的可靠性越高,但不确定性范围越大;阈值越大则情况相反。说明选定似然函数和阈值时需综合考虑多方面因素。     

GLUE框架下似然函数对水文模型不确定性的影响

似然函数的选取对模型参数不确定性结果存在较大影响。本文以淮河上游大坡岭水文站控制流域为例,采用GLUE不确定性分析方法、SCE-UA优化算法与流域水循环系统模型(HEQM)耦合,探索Nash-Sutcliffe系数与水量平衡系数这两个似然函数对模型参数敏感性、取值分布特征以及不确定性的影响。结果表明:从敏感性分析结果来看,Nash-Sutcliffe系数作为似然函数时,所选择的9个参数均为敏感性参数,而水量平衡系数作似然函数时,仅有1个敏感性参数,Nash-Sutcliffe系数更适合作似然函数;从不确定性区间评价结果来看,水量平衡系数作为似然函数时,模拟结果的覆盖率和对称性均优于Nash-Sutcliffe系数。以上研究可为GLUE方法似然函数的选取提供参考,也为多目标GLUE方法中权重的分配提供理论依据。     

GLUE方法分析新安江模型参数不确定性的应用研究

采用普适似然不确定估计（GLUE）方法,研究新安江流域水文模型参数的不确定性问题。通过江西乐安河流域资料的模拟分析表明,模型参数间存在“异参同效”现象,即存在许多可接受的似然估计值的参数值组合。利用这些参数组的概率分布,可以对模型模拟的不确定性范围进行分析。     

融合MCMC 方法的差分进化算法在水文模型参数优选中的应用

传统差分进化算法在优选水文模型参数时容易出现\"早熟收敛\"问题,基于马尔可夫链蒙特卡罗方法的差分进化算法——DREAM算法,对嘉陵江流域降雨径流模型的参数优选问题进行了分析。结果发现,DREAM算法融合了自适应Metropolis方法的优点,能有效克服\"早熟收敛\"问题,适用于推求先验信息较少的复杂水文模型参数后验分布。     

基于GLUE的垂向混合产流模型参数不确定性分析

水文模型能将复杂的水文现象和过程进行概化,其不确定性研究已成为模型研究的重要方向之一。以半湿润地区洛河流域为研究区域,构建了基于垂向混合产流模型的流域产流模拟模型,采用GLUE方法并结合5项相关指标对构建的模型进行不确定性分析。结果表明:使用GLUE方法对垂向混合产流模型进行不确定性评估和参数优选过程中,在置信度为95%的前提下,模型预报区间的覆盖率达到87.5%,对称度S和T接近于0,数据模拟对称度良好。     

GLUE法分析水文模型参数不确定性的研究

应用新安江模型,采用普适似然不确定估计(GLUE)方法,对梁辉水库洪水预报中参数的不确定性问题进行研究并对预报误差进行分析,结果发现,模型参数中存在大量的"异参同效"参数组,即存在许多可接受的似然估计值的参数值组合.据此,将参数分为敏感性参数和不敏感性参数两大类.深入了解新安江模型参数的意义及其敏感性问题为今后流域水文模拟提供参考,以助于新安江模型参数的率定和模型的推广应用.     

融合ARIMA模型和MCMC方法的非一致性设计洪水计算

常规非一致性频率分析方法在选择协变量、建立统计参数与协变量的函数关系方面均存在主观性,且仅获得设计洪水估计值,不能同时进行不确定性分析。为改进上述不足,建立了ARIMA-MCMC模型,在贝叶斯MCMC方法抽样过程中考虑统计参数拟合期内的时变性,进而对未来气候变化条件下的非一致性设计洪水频率分布模型参数进行抽样,基于参数后验分布进行设计洪水计算,并推求相应的置信区间。选取雅砻江流域小得石水文站作为分析对象,采用ARIMA-MCMC模型定量评估未来气候变化条件下小得石站设计洪水的变化情况。结果表明：基于ARIMA-MCMC方法的参数抽样收敛效果较好,3种情景下的模型统计量D均小于显著水平5%的临界值;除SSP2-4.5情景下P=0.1%和P=0.05%的设计值外,其他情况的设计最大日流量较历史期均明显增加,其中SSP1-2.6、SSP5-8.5情景下的增幅分别为7.1%～10.5%、13.9%～27.2%。本文建立的ARIMA-MCMC方法能够有效进行非一致性设计洪水频率分析。     

基于GLUE 方法的饱和多孔介质中溶质运移模型参数不确定性分析

模型参数的不确定性分析是模型不确定性研究的重要内容之一。本文以示踪剂Br和反应性溶质Cu在石英砂中的运移为例,采用GLUE方法探讨了多孔介质中溶质运移模型参数的不确定性。研究结果表明,仅对水力学参数θs和λ进行识别时,θs和λ的可识别性较强。对耦合Freundlich等温吸附的模型参数进行识别时,由于参数间的相互作用,θs和λ的可识别性降低;吸附特性参数kF的后验分布基本呈均匀分布,可识别性较差,吸附特性参数β、ω、f的取值区间则相对收敛,可识别性较强。K-S检验结果表明,参数区域敏感度由高到底的排序为f、ω、β、kF、λ、θs,主要是因为石英砂对Cu的吸附以动力学反应为主,而f和ω是与动力学吸附反应相关的两个参数。上述结论有助于加深对溶质运移模型参数的理解和提高模型预测的可靠性。