贝叶斯概率洪水预报模型及其比较应用研究

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布,构建了Copula-BFS模型。以三峡水库汛期入库流量概率预报为例,对所提Copula-BFS模型进行检验,并与水文不确定性处理器(HUP)和基于BP神经网络的贝叶斯洪水概率预报模型(BP-BFS)进行比较。结果表明:Copula-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-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。     

基于BP神经网络的贝叶斯概率水文预报模型

本文在贝叶斯概率水文预报系统(BFS)框架之上，研究了双牌水库水文预报的不确定性，建立了流量先验分布及似然函数的BP神经网络模型，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。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。     

水文预报不确定性对水库防洪调度的影响分析

定量分析预报的不确定性,已成为防洪预报调度风险分析中的关键问题。本文基于Copula函数,提出了可以描述水文预报不确定性随时间演化特性的CUE(Copula-based Uncertainty Evolution Model)模型,并通过该模型模拟了水文预报不确定性序列;基于Monte-Carlo方法和模拟序列,计算了预报不确定性对水库防洪预报调度的影响。结果表明,CUE模型能够很好地模拟水文预报不确定性,采用预报预泄法,对三峡水库进行防洪调度,不会增加防洪风险率。     

基于AM-MCMC算法的贝叶斯概率洪水预报模型

本文在贝叶斯预报系统的框架下,利用BP网络能描述非线性映射的特性建立了基于BP网络的先验密度和似然函数的模型,并采用基于自适应采样算法(Adaptive Metropolis algorithm,简称AM)的马尔可夫链蒙特卡罗模拟方法(Markov Chain Monte Carlo,简称MCMC)求解流量的后验密度,最后给出流量的概率预报。实例表明,基于AM-MCMC的BP贝叶斯概率水文预报的精度高,且能给出预报的方差,使得防洪决策可以考虑预报的不确定性。     

贝叶斯概率水文预报研究进展与展望

水文预报不可避免地存在着输入、水文模型参数和结构等不确定性,导致预报结果也具有不确定性。因此,定量估计水文预报的不确定性,实现概率水文预报,不仅可得到比确定性预报更高的精度,而且还能为决策者提供更丰富的预报信息。本文根据不确定性来源的不同,从输入资料、模型结构、模型参数和综合不确定性等方面,详细综述了贝叶斯水文概率预报的研究进展,归纳了精度评定指标和效果检验方法,并展望了贝叶斯概率水文预报未来的研究重点和方向:(1)科学有效地解释、沟通和传播水文预报不确定性信息和概率水文预报产品;(2)建立水文集合概率预报框架,估计并降低水文预报的总不确定性;(3)开展考虑预报变量时空相关性的贝叶斯概率水文预报研究;(4)深入推动概率水文预报信息在风险决策中的应用。     

丹江口水库入库洪水概率预报及调度风险分析

为了科学表示洪水预报中的不确定性和风险信息，以丹江口水库为研究对象，基于Copula贝叶斯方法开展丹江口水库入库洪水流量概率预报，从概率预报期望值的精度、预报区间的优良性以及整体性能3个方面对概率预报结果进行评价，并在此基础上进行丹江口水库调度风险策略分析。结果表明：随着预见期的延长，丹江口水库流量概率预报的不确定性相应增加，精度有所降低；各预见期的概率预报区间总体合理可靠，区间覆盖率均超过0.87;概率预报期望值精度较确定性预报略有提升，不同预见期的连续概率排位分数CRPS始终小于相应的确定性预报的平均绝对误差MAE,较确定性预报MAE的降低幅度均超过25%。研究成果可提供不同方案下水库水位超目标水位的风险信息，为科学风险调度决策提供参考。     

BFS-HUP模型在潼关站洪水概率预报中的应用

采用马斯京根演算法作为确定性预报模型,并选用贝叶斯预报系统(BFS)的水文不确定性处理器(HUP)作为概率预报模型,获得预报变量的概率分布,实现黄河潼关站洪水的概率预报。将预报变量概率分布的中位数作为定值预报与确定性预报进行对比,发现预报精度有所提高,表明贝叶斯模型的预报校正能力较强。通过设定不同确定性预报精度的情景方案,探讨了确定性预报精度对概率预报可靠度的影响。结果表明,随着确定性预报精度的提高,概率预报区间宽度和离散度均有所减小;HUP洪水概率预报的可靠度对确定性预报的偶然性误差比较敏感,对系统偏差相对不敏感。     

超越概率贝叶斯判别分析方法及其在中长期径流预报中的应用

中长期径流预报是水文预报中的经典难题之一,其在防洪、水库调度及水资源管理中起着十分重要的作用。由于缺乏相应预见期的可靠气象预报资料,中长期径流预报一般采用统计方法。超越概率贝叶斯判别分析方法是一种数据驱动的非参数贝叶斯经验统计方法,通过设置不同的流量等级反复进行贝叶斯判别分析,对未来径流超过某一流量等级的概率 （超越概率） 进行预报。本文运用该方法对长江宜昌站、大通站的月、季径流预报进行了研究,其结果表明,超越概率贝叶斯判别分析方法能够有效实现宜昌站和大通站非汛期径流预报;对于汛期径流预报,采用厄尔尼诺和南方涛动等气象水文指标变量作为预报因子,是提高预报精度的可行途径。     

淮河梅山水库流域洪水模拟不确定性分析

由于自然水文过程的复杂性和人类认识水平的局限性,应用水文模型进行模拟和预报时不可避免地存在着诸如降水输入、模型结构和参数的不确定性,由此导致洪水模拟和预报结果的不确定性。基于三水源新安江水文模型,分析贝叶斯预报系统(BFS)-水文不确定性处理器(HUP)在淮河梅山水库入库洪水模拟不确定性分析中适用性。通过对入库洪水模拟结果的不确定性量化,实现梅山水库入库洪水概率预报。结果表明,与确定性洪水预报相比,基于不确定性分析的洪水概率预报在提供均值预报的同时还能给出更为丰富的不确定性信息(如90%预报置信区间)。     

三峡水库区间定量降水预报不确定性初探

在过去研究的基础上,对三峡水库区间流域随机降水模型与区间流域洪水预报模型耦合得到的模拟流量序列进一步研究,分析定量降水预报误差对水文预报结果的影响,得到区间流域定量降水预报不确定性的解析解;介绍了定量降水预报不确定性处理器(PUP),并且与区间流域随机降水模型进行比较分析.结果表明,两个模型的精度均高于确定性预报结果,且随机降水模型的精度要高于PUP.     

Impact of Distribution Type in Bayes Probability Flood Forecasting

Bayesian forecasting system (BFS) is widely applied to the hydrological forecast. Hydrological forecast processor (HUP), a key part of the Bayesian probability prediction, is conducted at the assumption that the rainfall is certain, which can simultaneously quantify the uncertainty of hydrological model and parameter. In the HUP, the runoff is usually assumed to obey Logweibull distribution or Normal distribution. However, Distribution type of the runoff is not certain at different areas, and there are few distribution types of HUP in existence. So common distribution types are needed to develop the HUP to provide an effective forecast result. In this paper, Nonparametric kernel density estimation, Pearson III and Empirical distribution were introduced as the prior distribution of HUP to eliminate the parameter uncertainty of probability density function. Also, the five distributions were compared in this study to get the diversity of distribution types and search the best appropriate distribution type. The 52 floods during 2004a-2014a of ZheXi basin are employed to calibrate and validate the different distribution types of BFS. The results show that the LogWeibull and Empirical Bayesian probabilistic model has the best performance on average results compared with the other four distribution models. Meanwhile the other distribution types proposed in this study have the similar ability on interval width and the containing rate of probability forecasting results. This demonstrates that more new distributions are required to make BFS more robust.     

洪水预报中不确定性分析

通过对未来降雨、出流、损失方面的预测及基于预测模型运行过程中不确定性因素的分析,阐述了洪水预报中的不确定性,把贝叶斯的推断过程的真正范畴与"非等效性"概念联系到一起可得到更高的后验密度.     

基于支持向量回归机的长期径流预报 及不确定性分析

根据汉江流域皇庄站1981-2008年逐月径流量与1980-2007年逐月74项环流指数、北太平洋海温场、500hPa高度场的相关关系,利用逐步回归挑选预报因子,构建基于遗传算法的支持向量回归机模型(GA-SVR),并对2009-2013年逐月径流量进行预报;结果表明,径流预报精度较高,汛期平均相对误差在30%以内,非汛期、年总量平均相对误差在20%以内,均优于随机森林和多元线性回归模型。将GA-SVR模型的预报结果作为概率预报的基础,采用贝叶斯理论中的水文不确定性处理器(HUP)对预报的可靠度进行分析;结果表明,HUP不仅可以提供精度更高的定值预报,还能以置信区间的方式量化预报的可靠度,提供更为丰富的预报信息。     

A Bayesian Stochastic Optimization Model for a Multi-Reservoir Hydropower System

This paper presents the development of an operating policy model for a multi-reservoir system for hydropower generation by addressing forecast uncertainty along with inflow uncertainty. The stochastic optimization tool adopted is the Bayesian Stochastic Dynamic Programming (BSDP), which incorporates a Bayesian approach within the classical Stochastic Dynamic Programming (SDP) formulation. The BSDP model developed in this study considers, the storages of individual reservoirs at the beginning of period t, aggregate inflow to the system during period t and forecast for aggregate inflow to the system for the next time period t + 1, as state variables. The randomness of the inflow is addressed through a posterior flow transition probability, and the uncertainty in flow forecasts is addressed through both the posterior flow transition probability and the predictive probability of forecasts. The system performance measure used in the BSDP model is the square of the deviation of the total power generated from the total firm power committed and the objective function is to minimize the expected value of the system performance measure. The model application is demonstrated through a case study of the Kalinadi Hydroelectric Project (KHEP) Stage I, in Karnataka state, India.     

Comparative Study of Three Updating Procedures for Real-Time Flood Forecasting

Accurate real-time flood forecasting is essential for flood control and warning system, reservoir operation and other relevant water resources management activities. The objective of this study is to investigate and compare the capability of three updating procedures, namely autoregressive (AR) model, recursive least-squares (RLS) model and hydrologic uncertainty processor (HUP) in the real-time flood forecasting. The Baiyunshan reservoir basin located in southern China was selected as a case study. These three procedures were employed to update outputs of the established Xinanjiang flood forecasting model. The Nash-Sutcliffe efficiency (NSE) and Relative Error (RE) are used as model evaluation criteria. It is found that all of these three updating procedures significantly improve the accuracy of Xinanjiang model when operating in real-time forecasting mode. Comparison results also indicated that the HUP performed better than the AR and RLS models, while RLS model was slightly superior to AR model. In addition, the HUP implemented in the probabilistic form can quantify the uncertainty of the actual discharge to be forecasted and provide a posterior distribution as well as interval estimation, which offer more useful information than two other deterministic updating procedures. Thus, the HUP updating procedure is more promising and recommended for real-time flood forecasting in practice.     

2016年长江第1号洪水预报及调度影响分析

通过分析2016长江第1号洪水的水雨情发展、洪水组成、水情预报、调度还原计算成果等,解析了该场洪水的暴雨洪水特性、预报对调度的支撑作用以及三峡水库调度对城陵矶河段水位的影响。分析表明：金沙江、乌江来水对第1号洪水起筑底作用,三峡区间洪水则为该场洪水造峰,三者最大1d洪量占三峡入库来水比率分别达26.1%,15.6%,38.1%;第1号洪水期间,水情预报为调度决策提供了长预见期、较高精度的前提支撑,78,54,30,6 h预见期的三峡入库洪峰预报误差分别仅为-20.0%,-10.0%,-4.0%,0;三峡水库在第1号洪水期间通过防洪调度将入库洪峰流量削峰38%,最大拦蓄洪量约29亿m3,削减莲花塘站洪峰水位0.39 m左右,避免了城陵矶河段出现超保证水位。     

河道洪水概率预报方法研究

河道洪水预报对防洪减灾和水资源的综合利用有着重要的现实意义。考虑到水文预报不确定性的水文风险,为了更科学地对河道洪水进行预测,提出将贝叶斯方法的思路引入到河道洪水的概率预报中,计算预报流量的概率密度分布和置信区间,获得河道洪水的概率预报结果,为防洪决策提供更丰富的信息。     

耦合整体预报不确定性的水电站短期优化调度模型

以确定性预报径流为输入的水电站短期优化,受到预报不确定性的影响,会导致制定的运行方案与实际执行结果产生偏离,造成弃水或出力不足风险。为此,从水电站短期发电计划的编制过程出发,为编制优化运行方案,分析预报径流序列不同时段之间预报不确定性的关联,从而将短期径流预报序列各时段的预报不确定性耦合为一个整体,创新性地建立耦合整体预报不确定性的水电站短期优化调度模型。同时基于所提出的新优化模型,以锦西水电站为例进行实例研究,分别从实际总发电量和贴近度两个方面分析与评价新模型在效益和风险两个方面的优势,并将所建新模型与传统的确定性优化模型进行比较。结果表明,相较于传统确定性优化模型,本文所建立的新模型能够有效增加实际发电量、提高发电计划可靠性,可为水电站短期发电运行的实践提供有效参考。