结合基于经典贝叶斯统计推断理论的MCMC(Markov Chain Monte Carlo)方法与多输入单输出模型,建立了不确定性水文预报模型,并将该模型应用于长江三峡水库,依据实验结果可得出以下结论:①较传统方法而言,不确定性水文预报可更好的避免由...结合基于经典贝叶斯统计推断理论的MCMC(Markov Chain Monte Carlo)方法与多输入单输出模型,建立了不确定性水文预报模型,并将该模型应用于长江三峡水库,依据实验结果可得出以下结论:①较传统方法而言,不确定性水文预报可更好的避免由于模型的不确定性而引入的误差;②应用于三峡水库入库流量预报,实验结果表明预测流量可很好地覆盖实际观测流量,取得理想预报结果。展开更多
为探究多种不确定性因素综合影响下洪水概率预报的实现方法及其适用性,利用2003—2020年史灌河流域多场次洪水开展模拟试验,在量化降雨输入、模型参数及结构不确定性程度的前提下,基于MCMC(Markov chain Monte Carlo)方法融合各来源不...为探究多种不确定性因素综合影响下洪水概率预报的实现方法及其适用性,利用2003—2020年史灌河流域多场次洪水开展模拟试验,在量化降雨输入、模型参数及结构不确定性程度的前提下,基于MCMC(Markov chain Monte Carlo)方法融合各来源不确定性实现洪水概率预报,并分别基于覆盖率、确定性系数指标评估预报结果的可靠性及预报精度。结果表明:综合多源不确定性洪水概率预报的5%~95%置信区间,能够较为稳定也包络预见期内洪水发展变化过程,有效降低误报、漏报的可能性;均值预报结果所提供确定性的预报洪水略优于原始的单一模型预报结果,进一步提高了洪水预报成果的可靠性及参考价值。展开更多
文摘结合基于经典贝叶斯统计推断理论的MCMC(Markov Chain Monte Carlo)方法与多输入单输出模型,建立了不确定性水文预报模型,并将该模型应用于长江三峡水库,依据实验结果可得出以下结论:①较传统方法而言,不确定性水文预报可更好的避免由于模型的不确定性而引入的误差;②应用于三峡水库入库流量预报,实验结果表明预测流量可很好地覆盖实际观测流量,取得理想预报结果。
文摘为探究多种不确定性因素综合影响下洪水概率预报的实现方法及其适用性,利用2003—2020年史灌河流域多场次洪水开展模拟试验,在量化降雨输入、模型参数及结构不确定性程度的前提下,基于MCMC(Markov chain Monte Carlo)方法融合各来源不确定性实现洪水概率预报,并分别基于覆盖率、确定性系数指标评估预报结果的可靠性及预报精度。结果表明:综合多源不确定性洪水概率预报的5%~95%置信区间,能够较为稳定也包络预见期内洪水发展变化过程,有效降低误报、漏报的可能性;均值预报结果所提供确定性的预报洪水略优于原始的单一模型预报结果,进一步提高了洪水预报成果的可靠性及参考价值。
