水文模型参数优选及不确定性分析方法研究

论文摘要

概念性流域水文模型广泛应用于洪水预报和水资源管理等众多领域,为防汛、抗旱和水资源利用等重大决策问题提供了重要依据。然而,由于水文过程的复杂性、历史水文资料误差及水文模型结构误差等因素的存在,给流域水文模型参数优选及水文预报带来很大的不确定性。系统地开展流域水文预报模型参数优选及不确定性问题研究,对于提高我国水文预报的水平和改进预报精度、减少洪涝灾害损失以及合理有效利用水资源等具有重要的现实意义和科学价值。为此,本文对我国应用得非常广泛的概念性流域水文模型——三水源新安江模型进行研究,重点探讨了三水源新安江模型参数优选、参数不确定性分析、不确定性预报以及洪水预报系统设计等问题,主要研究成果概述如下: （1） 提出了水文模型模糊多目标SCE-UA（FMOSCE-UA）参数优选方法。该方法结合SCE-UA算法和Pareto排序的优点,采用模糊多目标优选的方式,综合考虑了洪峰流量、水量平衡、峰现时间以及流量过程均方误差等水文过程的不同特征要素,使得优选的参数更能反映流域水文特征。以双牌水库为例,采用其30场历史洪水进行参数率定,并以另外11场历史洪水对结果进行校核,结果表明FMOSCE-UA优于标准SCEUA算法,优选参数可应用于实际洪水预报。 （2） 针对国内应用较为广泛的事件型流域水文模型——三水源新安江模型参数优选过程中出现的不确定性问题,提出了并行自适应Metropolis（Parallel Adaptive Metropolis,简称PAM）算法,并对模型参数不确定性进行分析。该方法以并行计算的方式,在贝叶斯理论框架下通过自适应Markov链Monte Carlo（MCMC）抽样方法求解得到模型各参数后验分布,显著提高了算法的计算速度和求解质量。参数后验分布结果为区间预报提供了条件,实例研究表明,以该结果进行不确定预报是可行的,其预报区间较好的反映了与模型参数不确定性相关的洪水预报不确定性范围。 （3） 建立了基于BP神经网络的贝叶斯概率水文预报模型（BFS）。该模型采用BP神经网络定义流量先验分布及似然函数模型,并通过Markov链Monte Carlo（MCMC）方法求解得到流量后验分布及其统计参数。基于BP神经网络的BFS克服了Krzysztofowicz等提出的线性—正态模型的局限性,能够适用于各种非线性复杂分布的预报变量的预测。通过对双牌水库历史洪水的研究结果表明,基于BP神经网络的BFS不仅显著提高了预报精度,而且为防洪决策提供了更多的信息,使得预报人员在决策中能考虑预报的不确定性,定量的估计各种决策的风险和后果。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 选题背景与意义
• 1.2 水文模型不确定性分析研究进展
• 1.2.1 水文模型参数优选方法研究现状
• 1.2.2 水文模型不确定性来源
• 1.2.3 水文模型不确定性研究方法
• 1.3 本文主要研究内容
• 2 水文模型模糊多目标SCE-UA参数优选方法
• 2.1 引言
• 2.2 水文模型参数模糊多目标SCE-UA优化
• 2.2.1 水文模型参数优选过程
• 2.2.2 目标函数
• 2.2.3 Pareto 解集
• 2.2.4 多目标模糊优选
• 2.2.5 模糊多目标SCE-UA算法
• 2.3 应用实例
• 2.3.1 新安江模型简介
• 2.3.2 工程背景
• 2.3.3 应用和结果
• 2.4 小结
• 3 三水源新安江模型参数及预报不确定性分析
• 3.1 引言
• 3.2 三水源新安江模型异参同效现象
• 3.3 常用的水文模型不确定性分析方法
• 3.3.1 贝叶斯理论基础
• 3.3.2 GLUE方法
• 3.3.3 BaRE方法
• 3.3.4 AM算法
• 3.4 PAM算法
• 3.4.1 PAM算法介绍
• 3.4.2 似然函数
• 3.4.3 收敛条件
• 3.5 实例分析
• 3.5.1 线性模型
• 3.5.2 三水源新安江模型
• 3.6 小结
• 4 基于BP神经网络的贝叶斯概率水文预报模型研究
• 4.1 引言
• 4.2 贝叶斯推断理论与方法
• 4.3 贝叶斯概率水文预报理论
• 4.3.1 不确定性分类
• 4.3.2 输入不确定性处理
• 4.3.3 水文不确定性处理
• 4.3.4 总不确定度积分
• 4.4 线性一正态模型
• 4.4.1 先验分布
• 4.4.2 似然函数
• 4.4.3 后验分布
• 4.5 流量先验分布及似然函数的BP神经网络模型
• 4.5.1 流量先验分布
• 4.5.2 流量似然函数
• 4.6 流量后验分布马尔可夫链蒙特卡罗（MCMC）求解方法
• 4.7 实例分析
• 4.8 小结
• 5 基于Web的洪水预报系统设计与实现
• 5.1 引言
• 5.2 基于Web的分布式系统的体系结构
• 5.2.1 二层体系结构
• 5.2.2 多层体系结构
• 5.2.3 应用服务器平台的选择
• 5.3 基于Web的洪水预报系统的实现
• 5.3.1 系统开发的技术原则
• 5.3.2 WFFS总体设计
• 5.3.3 水文模型抽象设计
• 5.3.4 水文模型参数不确定性分析模块设计
• 5.3.5 异常处理
• 5.4 预报系统数据库设计
• 5.4.1 洪水预报系统数据库的特点
• 5.4.2 数据库表信息分类
• 5.4.3 数据库表结构设计
• 5.4.4 数据库系统产品选择
• 5.5 应用实例
• 5.6 小结
• 6 结论
• 6.1 全文总结
• 6.2 展望
• 参考文献
• 作者在攻读博士学位期间参加课题和发表学术论文情况
• 创新点摘要
• 致谢
• 大连理工大学学位论文版权使用授权书