水文模型參數(shù)優(yōu)選及不確定性分析方法研究.pdf

1、概念性流域水文模型廣泛應(yīng)用于洪水預(yù)報和水資源管理等眾多領(lǐng)域，為防汛、抗旱和水資源利用等重大決策問題提供了重要依據(jù)。然而，由于水文過程的復(fù)雜性、歷史水文資料誤差及水文模型結(jié)構(gòu)誤差等因素的存在，給流域水文模型參數(shù)優(yōu)選及水文預(yù)報帶來很大的不確定性。系統(tǒng)地開展流域水文預(yù)報模型參數(shù)優(yōu)選及不確定性問題研究，對于提高我國水文預(yù)報的水平和改進預(yù)報精度、減少洪澇災(zāi)害損失以及合理有效利用水資源等具有重要的現(xiàn)實意義和科學(xué)價值。為此，本文對我國應(yīng)用得非常廣泛的

2、概念性流域水文模型——三水源新安江模型進行研究，重點探討了三水源新安江模型參數(shù)優(yōu)選、參數(shù)不確定性分析、不確定性預(yù)報以及洪水預(yù)報系統(tǒng)設(shè)計等問題，主要研究成果概述如下： (1)提出了水文模型模糊多目標(biāo)SCE-UA(FMOSCE-UA)參數(shù)優(yōu)選方法。該方法結(jié)合SCE-UA算法和Pareto排序的優(yōu)點，采用模糊多目標(biāo)優(yōu)選的方式，綜合考慮了洪峰流量、水量平衡、峰現(xiàn)時間以及流量過程均方誤差等水文過程的不同特征要素，使得優(yōu)選的參數(shù)更能反映流域

3、水文特征。以雙牌水庫為例，采用其30場歷史洪水進行參數(shù)率定，并以另外11場歷史洪水對結(jié)果進行校核，結(jié)果表明FMOSCE-UA優(yōu)于標(biāo)準(zhǔn)SCE-UA算法，優(yōu)選參數(shù)可應(yīng)用于實際洪水預(yù)報。 (2)針對國內(nèi)應(yīng)用較為廣泛的事件型流域水文模型——三水源新安江模型參數(shù)優(yōu)選過程中出現(xiàn)的不確定性問題，提出了并行自適應(yīng)Metropolis(ParallelAdaptiveMetropolis，簡稱PAM)算法，并對模型參數(shù)不確定性進行分析。該方法以并

4、行計算的方式，在貝葉斯理論框架下通過自適應(yīng)Markov鏈MonteCarlo(MCMC)抽樣方法求解得到模型各參數(shù)后驗分布，顯著提高了算法的計算速度和求解質(zhì)量。參數(shù)后驗分布結(jié)果為區(qū)間預(yù)報提供了條件，實例研究表明，以該結(jié)果進行不確定預(yù)報是可行的，其預(yù)報區(qū)間較好的反映了與模型參數(shù)不確定性相關(guān)的洪水預(yù)報不確定性范圍。 (3)建立了基于BP神經(jīng)網(wǎng)絡(luò)的貝葉斯概率水文預(yù)報模型(BFS)。該模型采用BP神經(jīng)網(wǎng)絡(luò)定義流量先驗分布及似然函數(shù)模型，

5、并通過Markov鏈MonteCarlo(MCMC)方法求解得到流量后驗分布及其統(tǒng)計參數(shù)?；贐P神經(jīng)網(wǎng)絡(luò)的BFS克服了Krzysztofowicz等提出的線性—正態(tài)模型的局限性，能夠適用于各種非線性復(fù)雜分布的預(yù)報變量的預(yù)測。通過對雙牌水庫歷史洪水的研究結(jié)果表明，基于BP神經(jīng)網(wǎng)絡(luò)的BFS不僅顯著提高了預(yù)報精度，而且為防洪決策提供了更多的信息，使得預(yù)報人員在決策中能考慮預(yù)報的不確定性，定量的估計各種決策的風(fēng)險和后果。 (4)本文針

6、對C/S(Client/Server)模式洪水預(yù)報調(diào)度系統(tǒng)信息難以廣泛共享、軟件維護量過大、移植性差以及不易集成和擴展等自身難以克服的缺點，采用JBuilder集成開發(fā)工具和Oracle數(shù)據(jù)庫，在J2EE平臺上研究開發(fā)了基于Web的洪水預(yù)報系統(tǒng)。重點研究了在水庫群、多模型、多用戶條件下系統(tǒng)體系結(jié)構(gòu)、水文模型抽象設(shè)計以及預(yù)報系統(tǒng)數(shù)據(jù)庫表設(shè)計方法等關(guān)鍵技術(shù)。應(yīng)用實踐表明，本系統(tǒng)具有開放性、可靠性、安全性、透明性等特點，提供了分布式計算平臺架