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
为提高水文模型参数识别的可靠性,融合自回归模型与马尔可夫链-蒙特卡洛方法(auto regressive model based modified Markov Chain-Monte Carlo,AR-MCMC),利用自回归模型刻画残差序列的自相关性,修正MCMC方法中的残差协方差矩阵。通过...为提高水文模型参数识别的可靠性,融合自回归模型与马尔可夫链-蒙特卡洛方法(auto regressive model based modified Markov Chain-Monte Carlo,AR-MCMC),利用自回归模型刻画残差序列的自相关性,修正MCMC方法中的残差协方差矩阵。通过新疆提孜那甫河流域融雪径流模型(SRM)的案例分析发现:融雪径流模拟的残差序列具有显著的自相关性;修正残差协方差矩阵后,边缘似然值更大;综合考虑多项评价指标,AR-MCMC方法在识别期与验证期推求的预测区间均优于MCMC方法;对比2种方法在识别期与验证期的纳什系数,采用AR-MCMC方法依次为0.86、0.89,而采用MCMC方法依次为0.84、0.87,即AR-MCMC方法获取的模型拟合效果更好。分析结果表明,相对于传统的MCMC方法,AR-MCMC方法能够更好地对研究区融雪径流过程进行模拟预测。展开更多
为了改进水文建模过程中的不确定性处理,采用一种融合全局优化和数据同化(Simultaneous Optimization and Data Assimilation,SODA)的混合框架,对Hy MOD模型进行了不确定性分析,并与经典SCEM-UA方法进行了比较。SODA方法具有如下特点:(1...为了改进水文建模过程中的不确定性处理,采用一种融合全局优化和数据同化(Simultaneous Optimization and Data Assimilation,SODA)的混合框架,对Hy MOD模型进行了不确定性分析,并与经典SCEM-UA方法进行了比较。SODA方法具有如下特点:(1)具备较高的参数搜索效率和寻优能力;(2)明确考虑包括输入、输出、参数以及模型结构在内的重要不确定性来源。SODA方法在渭河流域的实例应用结果表明:与SCEM-UA方法相比,SODA方法不仅显著提高了预报精度,而且推求出了性质更为优良的预报区间。SODA方法的成功应用,有助于模型概念的改进及对水文系统功能的理解。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。
文摘为提高水文模型参数识别的可靠性,融合自回归模型与马尔可夫链-蒙特卡洛方法(auto regressive model based modified Markov Chain-Monte Carlo,AR-MCMC),利用自回归模型刻画残差序列的自相关性,修正MCMC方法中的残差协方差矩阵。通过新疆提孜那甫河流域融雪径流模型(SRM)的案例分析发现:融雪径流模拟的残差序列具有显著的自相关性;修正残差协方差矩阵后,边缘似然值更大;综合考虑多项评价指标,AR-MCMC方法在识别期与验证期推求的预测区间均优于MCMC方法;对比2种方法在识别期与验证期的纳什系数,采用AR-MCMC方法依次为0.86、0.89,而采用MCMC方法依次为0.84、0.87,即AR-MCMC方法获取的模型拟合效果更好。分析结果表明,相对于传统的MCMC方法,AR-MCMC方法能够更好地对研究区融雪径流过程进行模拟预测。
文摘为了改进水文建模过程中的不确定性处理,采用一种融合全局优化和数据同化(Simultaneous Optimization and Data Assimilation,SODA)的混合框架,对Hy MOD模型进行了不确定性分析,并与经典SCEM-UA方法进行了比较。SODA方法具有如下特点:(1)具备较高的参数搜索效率和寻优能力;(2)明确考虑包括输入、输出、参数以及模型结构在内的重要不确定性来源。SODA方法在渭河流域的实例应用结果表明:与SCEM-UA方法相比,SODA方法不仅显著提高了预报精度,而且推求出了性质更为优良的预报区间。SODA方法的成功应用,有助于模型概念的改进及对水文系统功能的理解。
