毕诗咏 马 静

（吉林省水文水资源局延边分局 吉林 延吉 133001）

1 研究背景

水文预报精度在很大程度上取决于流域水文模型参数的优选和检验，现有的水文预报的模型都是概念性水文模型，水文模型的参数大多具有明确的物理意义，从理论上应该是可以通过实测来确定的。但是由于缺乏实测值，现有的模型主要是对实际水文物理过程的概化，很多待定的模型参数并不是反映单一过程或者单一影响因素的结果，因此不大可能通过实测来进行确定，只能依靠系统分析方法，采用最优化技术进行求解[1]。人们常采用的试算法以及客观优选法主要依赖于人的经验，因此，所选的参数常因人而异，且费时费力。在求解结构复杂且参数比较多的模型时，采用传统的最优化方法会出现局部最优的问题，难以确保得到的参数全局最优，而且求解步骤比较繁琐。因此，流域水文模型的参数优选工作一直都是一个大家关注的重点以及难点问题[2]。本文将结合Mcm C方法对新安江模型参数不确定性进行分析。

2 McmC方法

MCMC（Markov Chain Monte Carlo）方法源自于物理学研究，MCMC 方法是根据Bayesian推断为中心的后验分布来模拟随机样本的一种动态的蒙特卡洛方法[3]。

MCMC 方法的核心思想是构造一个概率转移矩阵，建立一个以分布π（x）为平稳分布的Markov 链来得到π（x）的样本，产生若干条独立并行的Markov 链来探索模型参数空间，通过不断更新样本信息而使Markov 链收敛于高概率密度区，也就是Bayesian 方法中的最大后验估计[4]。……