贝叶斯概率洪水预报模型及其比较应用研究.pdfVIP

水 利 学 报 2014年9月 SHUILIXUEBAO 第45卷第9期 文章编号：0559—9350(2014)09—1019—10 贝叶斯概率洪水预报模型及其比较应用研究 刘章君1，郭生练1，李天元2，洪兴骏1 (1．武汉大学水资源与水电工程科学国家重点实验室，水资源安全保障湖北省协同创新中心，湖北武汉430072； 2．长江勘测规划设计研究有限责任公司，湖北武汉430010) 摘要：贝叶斯概率预报系统(BFS)为开发各种概率水文预报模型提供了方法性的框架，选择合理的先验密度和似 然函数是其关键问题。利用Copula函数推导了流量先验分布及似然函数的解析表达式，通过数值方法求解后验分 ula—BFS模型后验均值预报可以提高预报精度且略优于现有的模型，具有性质更加优良的预报置信区间。本文所 提Copula—BFS模型不需要进行线性一正态假设，适用范围更广，应用更加灵活，为洪水概率预报研究提供一条新 途径。 关键词：贝叶斯理论；概率预报；先验密度；似然函数；线性一正态假设；Copula函数 中图分类号：TVl24 文献标识码：A doi：10．13243，j．cnki．slxb．2014．09．002 1研究背景 洪水预报是防洪非工程措施的重要内容之一，直接为防汛抢险、水资源开发利用和水利工程调 度管理服务。目前广泛使用的洪水预报模型大多是确定性的，模型以确定预报值的形式输出给用 户。预报调度人员根据获得的预报结果(通常是一个确定的流量序列)做出相应的决策。实际上， 模型的输入、模型的结构和参数均是不确定的，故模型输出的预报值也是不确定的。统计决策理 论指出，根据不确定的水文预报做出决策时，如果不考虑它的不确定度，则从期望意义上讲，预 报在决策中的价值不一定是非负的；只有在考虑了预报不确定度的决策中，水文预报的价值才始 终是正的m“。 Krzysztofowicz等人提出的贝叶斯概率预报系统BFS(BayesianForecastingSystem)是通过确定性水 文模型进行概率预报解决水文预报不确定性的一个理论框架，并在实际中得到了广泛应用b。’。BFS 实测和预报流量过程进行亚高斯正态分位数转化，并对转换后的系列进行线性一正态假设，然后采用 线性回归方法求得转换空间里的后验密度，再返回原始空间求得后验密度函数的解析表达式，提出 UncertaintyProcessor)H1。然而，大量水文过程却既不是线性 了水文不确定性处理器HUP(Hydrologic 的也不是正态的，且正态分位转换过于复杂而不便操作，大大影响了该法的适用性。为此，李向阳 等旧。和邢贞相等∽。利用BP人工神经网络的非线性映射能力来描述贝叶斯先验密度与似然函数，采用 ChainMonte 马尔可夫链蒙特卡罗MCMC(MarkovCarlo)抽样方法得到后验概率密度，得到了基于BP 神经网络的贝叶斯洪水概率预报模型(BP—BFS)。但仍存在以下不足：(I)该模型虽然可以描述水文 过程的非线性特征，但仍需进行正态假定；(2)BP神经网络结构的选择至今尚无统一而完整的理论指 收稿日期：2014—03—20 基金项目：国家自然科学基金资助项目51079100) —1019～ 万方数据 导，只能由经验选定。因此，有必要进一步研究探索非线性和非正态条件下的贝叶斯洪水概率预报 新方法。 贝叶斯先验密度和似然函数本质上都可以看成条件概率密度函数。Copula函数能够灵活地构造 边缘分布为任意分布的水文变量联合分布，进而求解条件分布的解析表达式，且能较好地模拟水文 水资源系统的非线性和非正态特征，在水文领域得到了广泛的应用n“”1。本文将在BFS的框架下，利 比较。 2基于Copula函数的贝叶斯概率洪水预报模型 假设流量过程服从一阶马尔司。夫过程，令峨表示预报时刻已知的实测流量，Hk、S^(后=1，2，…，K) 分别表示待预报的实际流量和确定