基于MCMC的水文模型参数不确定性及对预报的影响分析.pdfVIP

第二章水文模型 ·113· 基于MCMC的水文模型参数不确定性 及其对预报的影响分析丰 梁忠民戴荣綦晶 (河海大学水文水资源学院南京210098) 摘要本文探讨了应用贝叶斯理论分析水文模型参数的不确定性问题。首先确定模型中的敏感参数，再采用 Markov ChainMonte Carlo(MCMC)算法得到其后验分布的抽样，进而获得流域出口断面流量过程的抽样分布， 据此对模型参数的不确定性及其对预报结果的影响进行评价。以新安江模型为例，提供了参数不确定性分析的流 程，并通过模型预报结果的抽样分布，构造了90％的置信预报区间。 关键词 贝叶斯理论MCMC不确定性分析参数敏感性分析 新安江模型 置信区间 水文模型参数反映的是流域水文特征，是一些原则上可以实测的物理量…，但实际中难以做到，所以 往往都需要通过实测资料率定一套“最佳”模型参数旧’”。由于测量误差、资料的代表性不足及率定过程中 目标函数、计算方法的局限性，一般只能得到局部最优解或多组不同的参数值(即所谓的“异参同效”)， 所以，实际应用中模型参数不可避免地存在着不确定性。模型参数不确定性的存在，必将导致对水文过程模 拟和预测结果的不确定性。目前，关于这种不确定性的定量描述及其对水文模拟和预报不确定性的影响评 价，在国内外已成为研究热点。 本文在贝叶斯理论框架下研究水文模型参数的不确定性。通过MonteCarlo途径，分析模型参数变差系 敏感参数。对敏感参数，根据贝叶斯公式构建其后验分布，并采用MCMC抽样技术获得“集束”样本，运 行水文模型可以得到对应的模型预报的抽样分布，根据模型参数的后验分布及预报值的抽样分布即可对参数 的不确定性及其对预报的影响进行定量分析。作为实例，本文选择新安江模型参数的不确定性问题进行研 究，以浙江密赛流域为典型流域，提供了具体的分析流程和结论。 1模型参数敏感性分析 研究表明，在水文模型的识别中，某些参数的取值对目标函数值的变化影响很小，即灵敏度较低，而有 些参数灵敏度很高。灵敏度较低的参数对模型预报不确定性的影响也较小，所以，为避免增加计算量，本文 只对敏感的模型参数进行不确定性分析及其对预报结果的影响评价，因此，首先需进行参数的敏感性分析。 具体步骤如下： 个数。 (2)对第i个参数0。，将其作为随机变量并假设其概率分布，如本文服从对数正态分布 1 (1i,of—d)2 以0i)=_}e一丁 (1) ．,／2wof仃 ^ A B(，≠i)]，得到预报流量过程，计算确定性系数NS(i)。 (3)改变c。值，重复步骤(2)，则可以建立第i个参数的NS(i)～C。关系。 (4)重复步骤(2)和步骤(3)，得到所有参数的NS(i)～C。关系。 + 基金资助：本文得到国家自然科学基金资助。 ·114· 第一篇水文模拟与预报 的变化区间大于A，则认为参数0；为敏感性参数。 2模型参数不确定性分析的贝叶斯方法 贝叶斯理论的基本原则是利用数据获得变量的条件分布，即变量的后验概率密度函数，公式为 p(O／z)：善丛衄 (2) 叭x／O)g(0)dO 式中：0和菇分别代表随机变量和与之相关的统计数据；P(O／x)为后验概率密度函数；八x／O)为似然函数； g(口)为先验分布。 对本文研究的水文模型，0为模型的敏感性参数，戈为模型的输出变量，即流量Q；并将进行水文模型 模拟或预报所需要的其他要素，如实测降雨、流量等次洪资料等记为W。则式(2)改写为 p(e／Q，埘)：毋塑直趔。f(Q／o，彬)g(口) (3)