贝叶斯不确定性分析在水文预报中的应用研讨.pdf

贝叶斯不确定性分析在水文 预报中的应用研究 张弛 王本德 周惠成 (大连理工大学土木水利学院，辽宁大连 116024) 摘要水文预报是防洪决策的基础。目前大部分水文预报采用概念模型、黑箱模型等多 种方法尝试得到较好的结果。本文简介了贝叶斯分析的基本原理，探讨了它在水文预报中 考虑不确定性和风险的特点，在洪水分类、预报模型和多模型组合预报领域尝试对贝叶斯 分析应用进行研究。 关键词 水文预报；贝叶斯分析；不确定性分析；组合预报 1概述 在水文预报中，存在着多种模型分类方法。按照物理机制的不同，一般分为物理模 型、黑箱模型和概念模型。物理模型精度较高，但需要进行大量的测量和对变化的连续物 理过程有深入的了解。黑箱模型简单灵活，适用性广，但对历史数据具有依赖性。概念模 型有一定的物理基础，精度可靠，输入变量少于物理模型，但该类模型许多环节上要借助 于概念性元素的模拟或基于经验函数关系，然而这些关系难以完全反映复杂的水文现象和 物理作用机制。针对各模型特点与存在的问题，目前水文预报领域研究有着新的研究 热点： (1)水文现象具有高度复杂性、模糊性和随机性，但同时又表现出自身的规律性。随 着历史数据的积累，越来越多的预报模型对历史水文数据进行聚类与分类，寻找同类型水 文现象的规律，以便将参数分类调试和水文分类预报有机地结合起来，提高预报精度。 (2)越来越多的智能算法结合到水文预报模型中，例如侧重于模型参数率定的遗传算 法、关联分析法等；侧重予特征描述的模糊集、粗糙集等；侧重于预报过程模拟的模糊推 理、混沌学、神经网络等。 (3)由于各种预报模型有其自身的优缺点，目前很多学者从事着组合预报的研究，组 合预报即根据流域特点利用多种预报模型组合进行预报。首先利用多种预报模型进行预 报，然后针对流域不同的前提情况通过多种方法对各预报结果进行组合。 针对以上研究热点，一个起源于统计分析，在数据挖掘领域充分发展的算法一贝叶斯 分析体现了它的广泛适用性。贝叶斯定理的形式如下： 删M (1) 2压L(x两／8)fl而(口) 399 表示汲取样本后所校正的护的后验密度；@为口的论域。显然，贝叶斯分析将参数看作随 机变量来分析，这与水文预报模型中的参数的不确定性十分类似。下面以图1为例，从洪 水分类、预报模型和组合预报的角度，探讨贝叶斯分析的应用。 2洪水分类中的应用 随着存储技术、计算能力等条件的发展，海量的水文数据可以更方便地利用来完善水 文预报模型。目前神经网络、模糊集理论、遗传算法等智能算法越来越多地应用到水文预 报中，其中神经网络侧重于黑箱预报模型中产汇流机制的模拟和洪水分类；遗传算法侧重 于对预报模型进行参数率定；模糊集理论侧重于描述水文变量的特征。 对历史洪水过程进行聚类分析，寻找同类型洪水的规律，以便将参数分类调试和洪水 分类预报有机地结合起来，提高预报精度；同时对洪水进行聚类和分类预测，将洪水预报 和防洪调度有效地结合起来，以洪水分类预测作为重要的决策参数，为防洪预报调度决策 提供更加可靠的依据，从而可以为洪水实时调度探索一种新途径[1]。洪水聚类和分类可以 说是对水文数据的预处理，通过预处理使不同类型的洪水分类预测与调度，具体过程见 图1。 、 蓁 j 蚕一 ／／7 图1 贝叶斯分析在水文预报中的应用范围 图2分类预报过程图 从图中可以看出，聚类、分类与参数率定为水文数据预处理的三个过程，下面简单介 绍贝叶斯洪水分类模型。 (1)针对一个流域，针对该流域历史上多场洪水过程，使用洪水时段平均降雨量，前 期土壤影响雨量，上、中、下游测站的平均累积降雨量等n个指标，对历史洪水进行聚 类，得到m个类别{C。，…，C。)。 别Ct表示，其中向量X分别描述对I1个属性A，，…，A。样本的竹个度量。 (