MCP模型在嘉陵江小河坝站洪水概率预报中的应用
2018-01-19王艳兰梁忠民蒋晓蕾李彬权
水力发电 2017年10期
关键词:模型
王艳兰,梁忠民,蒋晓蕾,王 军,李彬权
(河海大学水文水资源学院,江苏南京210098)
0 引 言
洪水预报是防汛调度的重要决策依据。但洪水预报过程中存在着众多不确定性因素,导致洪水预报结果的不确定性[1- 2]。为此,提供洪水概率预报,不仅可以估计发生超过某一量级洪水的概率、提供置信区间以评估洪水预报的可靠度;而且还可以类似于确定性模型的定值预报,提供分位数预报(如均值或中位数),为防洪调度提供更丰富的预报信息,以提高洪水预报能力。
在水文不确定性分析及洪水概率预报中,贝叶斯理论得到较多研究与应用[3-5]。美国学者Krzysztofowicz等[4]提出的贝叶斯预报系统(Bayesian Forecasting System,BFS),在确定性预报的基础上耦合贝叶斯方法实现概率预报。其中,水文不确定性处理器[5](Hydrologic Uncertainty Processor,HUP)是BFS的重要组成部分。它对实测及预报流量过程经过亚高斯正态分位数转化后的系列进行了线性-正态假设,进而推求出预报量后验分布的解析表达。王善序[6]系统地介绍了BFS方法体系,认为其能综合考虑各种随机因素对水文预报的影响,能与任意的水文模型进行耦合;同时,也指出该法只适用于线性-正态假设条件。张宇等[7]在新安江模型预报结果的基础上,采用HUP实现概率预报,并认为不同量级洪水概率预报后验分布的Cv不同,Cv一般随流量增大而减小,因此有利于洪峰的概率预报。邢贞相等[8]采用BP神经网络构建先验分布和似然函数,能较好地模拟水文过程的非线性特征,并用MCMC方法求解得到概率预报结果。……
登录APP查看全文
