论文部分内容阅读
流域水文模型中存在很大的不确定性,给水库防洪调度、水资源合理利用等带来很多问题,逐渐成为水循环与水资源研究重要的科学问题之一。本文针对水文模型的不确定性来源,模型参数和输入不确定性,GLUE方法主观因素的影响,以及贝叶斯不确定性分析方法存在的问题,开展流域水文模型不确定性估计方法的研究,论文的主要结论如下:
1.水文模型不确定性来源分析:以潮河DTVGM模型为例,用GLUE方法开展分析,结果表明:(a)异参同效的原因主要包括参数过多、输入资料的系统误差和约束条件过少;(b)将不敏感参数固定,可以提高模型率定效率,减少异参同效性:(c)输入资料误差会增加模型的异参同效性,还会降低模型的精度;(d)多目标函数可以减小模型的异参同效性。
2.GI,UE方法对主观因素的敏感性量化分析:在DTVGM和WASMOD模型中,量化样本接受率和样本数量对GLUE方法的影响,结果表明:(a)模型参数的后验分布和流量95％置信区间对于样本接受率的选择是敏感的,样本接受率越低,置信区间越窄;样本接受率大于1%时,其对GLUE结果的影响大大减少了,而对最大效率系数几乎没有影响;(b)当样本接受率一定时,样本数量如果不够大,会影响GLUE的结果;当样本数量超过该阈值,对GLUE结果的影响很小。
3.水文模型不确定性估计方法的对比研究:对比GLUE和贝叶斯方法在流域水文模型DTVGM和WASMOD模型中结果的差异,研究发现:(a)贝叶斯方法估计的参数不确定性较GLUE要小;但是当GLUE的阈值足够大的时候,GLUE得到的参数后验分布,流量95%置信区间和观测流量包括率都逼近贝叶斯方法的结果;(b)模型参数的不确定性远远小于模型的总不确定性;(c)在两个水文模型中,GLUE和贝叶斯方法模拟结果的精度近似相同;(d)贝叶斯方法比GLUE方法对输入误差(包括系统误差和随机误差)的影响要更敏感;(e)在水文模型中,不论是用GLUE还是贝叶斯方法估计,系统误差比随机误差会产生更大的不确定性。
4.贝叶斯方法在水文模型不确定性分析中的应用研究:应用贝叶斯方法比较月尺度和日尺度WASMOD模型的不确定性特征;在日尺度WASMOD模型中,提出改进的模块化贝叶斯方法,并选择三个传统的贝叶斯估计方法开展对比分析;最后针对流量95%置信区问的不确定性估计,提出一个新的评价指标,称为单位置信区间相对宽度的观测值包括率(PUCI)。结果表明:(a)在日尺度模型中考虑残差的相关性,比在月尺度模型中更为重要,简单的高斯模型能够很好的适用于月尺度WASMOD模型;(b)日尺度水文模型中,AR(1)多维正态模型较AR(1)正态模型,在参数的相关性和大流量的不确定性估计上,表现出了一定的优势;(c)与三个传统贝叶斯方法相比,模块化贝叶斯方法在保证较好包括率的前提下,大大减小了流量95%置信区间的宽度,综合考虑应用难易程度和计算效率,模块化贝叶斯方法更加切实可行。