GLUE法分析水文模型参数不确定性的研究
水文模型参数不确定性分析方法探讨
（） ， ＋ 一 Ｏｂ ， ， ） ＝（ ６ ｌＯ ， ． ． ．
（ ）从指 定的先 验概率 中抽取 ： ３ ，
Ｘ＂ｄｘ ，’，此处 ＝） ，ｖ ≠Ｉ ‘ １ （Ｌ ） ￣ ：． ｃ ｊ 。
作 者简 介 ：陈 昌军 （ ９ ４年 一 ） 男 ， 高 级 工 程 师 。 １７ ，
水 文水 资源
水 利规 划与 设计
２ １ 第 ３期 ０ ２年
水 文模 型 参数 不确 定 性 分析 方 法探 讨
陈 昌军 郑雄 伟
（ 浙江省水利 水 电勘 测设 计院 杭 州 ３ ０ ０ ） １ ０２
【 摘 要 】 应用 基 于马 尔科 夫 链 蒙托 卡 罗 （ ａ ｋ ｖ Ｃ ａ ｎ Ｍ ｎ ｅ Ｃ ｒ ｏ Ｍ ｒ ｏ ｈ ｉ ｏ ｔ ａ ｌ ）理 论 的 删 （ ｈ ｅ ｒ ｐ ｌ ｔ ｅ Ｍ ｔ ｏ ｏ ｉ Ｓ
ｆ ｘＹ ＝ —— （，） —
２ｃ √ 一 ７ １
一
链 收 敛 后 ， 两 参 数 散 点 图见 图 ２ ，结 果 与 已
一
｛ 却
２ ｔ … １９ ．
＋ ）
知 的概率 分布相一致 。 由此可见 ，Ｍ Ｈ算法可 以 成 功 模 拟 出参 数 后 验 分 布 的强 香 蕉 形 曲线 ，故 可
２ ２ 模 拟 验 证 ． 根 据 以 上 马 尔 科 夫 链 蒙 托 卡 罗 法 的 算 法 原 理 ，采 用 Ｍ Ｔ Ａ Ａ Ｌ Ｂ语 言 编 写 计 算 程序 进 行 模 拟 计 算 ， 为 测 试 计 算 程 序 的 正 确 性 ， 检 验 Ｍ （ ｈ Ｈ ｔｅ
Ｍ ｔ ｏ ｏ ｉ ａ ｔ ｎ ｓ ｌ ｏ ｉ ｈ ｅ ｒ ｐ ｌ Ｈ ｓ ｉ ｇ ａ ｇ ｒ ｔ ｍ）算 法 在 不 确 Ｓ
基于GLUE方法的植被界面过程模型(VIP)的不确定性分析
ｍｏ ｅ ｄ ｅ ｌ ａ ｄ ｉ ｒｖ ｈ ｅｉｂｌ ｙｏ ｅｍｏ ｅ ｒｄｃｉｎ ．Ｔ ｅＶｅ ｅａｉｎＩ ｔｒ ｃ ｒｃ ｓｅ ＶＩ ｄ ｌ ｅ ｐｙ ｎ ｍｐｏ ｅｔｅ ｒｌ ｉｔ ｆｔ ｄ ｌ ｅ ｉｔ ｓ ｈ ｇ ｔｔ ｎｅｆ ｅＰ ｏ ｅｓ ｓ（ Ｐ）ｍｏ ｅ ｓ ａ ｉ ｈ ｐ ｏ ｏ ａ ｄ ｌｉ
Ａｂｓｒ ｃ ：Ｔｈ ｒ ｒ ａ ｙ ｐ ｒ ｍｅｅ ｓ ｉ ｈ ｃ ｓ ｓｅ ｔａ ｔ ｅ ｅ ａ ｅ ｍ ｎ ａ ａ ｔｒ ｎ ｔ ｅ ｅ ｏ ｙ ｔｍ ｍｏ ｅ． Ｔｈ ａｉｂｉ ｔ ｆｐ ｒ ｍｅｅ ｓ ａ ｉｆｒ ｎ ｐ ｃ —ｉ ｄ１ ｅ ｖ ｒａ ｌ ｙ ｏ ａ ｉ ｅ ｓ ａ ｅ ｅ ｕ ｔｄ ｉ ｎ ｅ ｔ ｉｔｅ ． Ｔｈ ｎ ｅｔ ｉｔ ｎ ｌｓｓ ｏ ａ ａ ｔ ｒ ｏ ｌ ｅ ｐ ｔ ｎ ｅ ｓａ ｄ ｔ ｅ ｓｒ ｃｕ ｅ ｏ ｈ ｃ ｌｓｒ ｓ ｌｅ ｎ ｕ ｃ ｒａｎ ｉｓ ｅ ｕ ｃ ｒａｎ ｙ ａ ａ ｙ ｉ ｆｐ ｒ ｍｅｅ ｓ ｃ ｕ ｄ ｈ ｌ ｏ ｕ ｄ ｒｔ ｎ ｈ ｔｕ ｔ ｒ ｆｔ ｅ
摘要 ： 生态系统模 型一般 参数较 多 ， 且在 应用时存 在时空 尺度 问题 ， 易产生 不确 定性 。通 过模 型不 确定 性分 析 ， 可 以加 深对模 型结构 的理解 ， 高模型 预报 的可 靠性 。植被界 面过程模 型 （ Ｉ ） 提 Ｖ Ｐ 是一 个综合 考虑 了陆地 生态 系
统能量 收支 、 文循环 和碳氮等 生命元 素吸收 转化 等 过程 的生 态／ 文 动力学 模 型 。本 文采用 Ｇ Ｕ （ ｅ ｅａ 水 水 Ｌ Ｅ Ｇ ｎｒｌ －
中国农业 气象 （ ｈｎ ｓ Ｊｕｎｌ ｆ ｇｏ ｔｏ １ ｙ ２ １ ，１ ４ ：２ ５ ７ Ｃ ｉｅｅ ｏｒａ ｏ Ａ ｒ ｅｒ ｏ ） ０ ０ ３ （ ） ５ ２— ２ ｍｅ ｏ ｇ
利用 GLUE 方法不同算法分析 TOPMODEL模型不确定性
利用 GLUE 方法不同算法分析 TOPMODEL模型不确定性姚锡良;黄国如;林凯荣【摘要】以丹江的西峡流域为研究对象，采用GLUE方法探讨TOPMODEL模型不确定性。
分析不同似然函数算法、调节参数、模型参数和结果预测区间的不确定性，结果表明不同算法的似然函数值既有差异又有相似性，值变化会引起不同似然函数分布的变化，也影响模型参数与似然值的关系。
分析不同阈值的90％置信区间的实测值覆盖率、预测区间宽度及预测区间对称性等特征，结果说明阈值越小，预测区间的可靠性越高，但不确定性范围越大；阈值越大则情况相反。
说明选定似然函数和阈值时需综合考虑多方面因素。
%The GLUE methodology is applied to uncertainty analyses of TOPMODEL , with the Xixia catchment in Danjiang River as the research area .The uncertainties of different likelihood functions , shaping factor , model parameters and prediction interval are analyzed .It is shown that the likelihood values for different functions are different as well as similar , and the different distribution of each different likelihood function the relationship between the parameters and the likelihood measure are affected by a shaping fac -tor .Lastly the prediction interval characteristics of the 90%confidence level at different threshold values are calculated , such as the observation containing ratio , prediction interval width and precition interval symmetry .It is shown that the lower the threshold value is, the higher the reliability of the prediction interval is , and meanwhile the larger while the range of uncertainty is .It is concluded that many factors should be considered in selecting likelihood function and threshold value .【期刊名称】《广东水利水电》【年(卷),期】2014(000)002【总页数】6页(P1-6)【关键词】TOPMODEL模型;不确定性;GLUE方法;似然函数;预测区间【作者】姚锡良;黄国如;林凯荣【作者单位】广东省水利电力勘测设计研究院，广东广州 510635;华南理工大学土木与交通学院，广东广州 510640;中山大学水资源与环境研究中心，广东广州510275【正文语种】中文【中图分类】TV124近年来，很多学者采用英国水文学家Beven 等提出的普适似然不确定性分析方法GLUE(Generalized Likelihood Uncertainty Estimation)进行水文模型的不确定性分析，取得了大量研究成果［1－8］。
基于多目标GLUE算法的新安江模型参数不确定性研究
基于多目标GLUE算法的新安江模型参数不确定性研究曹虎【摘要】文章以辽河流域为例对新安江水文模型进行研究分析,利用新安江日模型模拟径流过程对辽河流域进行模拟分析,然后对模型参数利用SCE-UA最优法和两个目标函数进行率定,分别对不同目标函数的径流过程模仿能力进行分析;对径流模拟的不确定性区间分别采用NSGA-Ⅱ多目标优化法和GLUE法进行分析,并给出了多目标GLUE法.研究表明:径流模拟性能随目标函数的不同而存在较大差异;对于多目标较小的不确定性区间可利用NSGA-Ⅱ法进行优化,然而实测值对区间的覆盖率程度较低;多目标GLUE算法相对于单目标算法表现出更好的区间覆盖率.【期刊名称】《黑龙江水利科技》【年(卷),期】2018(046)010【总页数】5页(P13-17)【关键词】多目标GLUE算法;模型参数;新安江模型;不确定性【作者】曹虎【作者单位】辽宁省铁岭水文局,辽宁铁岭112000【正文语种】中文【中图分类】P333.90 引言基于参数先验分布的GLUE其本质是对参数的后验概率分布利用参数似然函数值阈值的主观判断进行推导，从而可对水文模型在一定置信区间的不确定范围进行确定[1]，并对模拟区间特征可利用覆盖率、对称性以及和区间宽度等参数要素进行描述。
然而，水文过程模拟的不确定性区间可由目标函数的不同而存在显著差异，因此在水文过程中的某些特定状态可利用单目标函数促进其聚集，并因此造成对其他状态的忽视，如Yapo等[2]认为需要从不同角度并利用各种观测数据对水文过程特性进行度量，即对水文模型参数利用多目标进行率定。
多目标参数率定往往存在帕累托最优解集而非唯一解，率定结果通常为某一不确定性区间范围。
当前，对多目标模型的求解方法研究较多如AMALCAM、MOCOM-UA以及NSGA-Ⅱ法等，而对多目标不确定性区间特性的研究分析相对较少。
据此，文章利用新安江日模型模拟径流过程对辽河流域进行模拟分析，然后对模型参数利用SCE-UA最优法和两个目标函数进行率定，分别对不同目标函数的径流过程模仿能力进行分析；对径流模拟的不确定性区间分别采用NSGA-Ⅱ多目标优化法和GLUE法进行分析，并给出了多目标GLUE法；通过对比分析多目标和单目标GLUE法，给出了模型参数不确定性的多目标GLUE法优势和特征[3-7]。
基于Copula-GLUE的新安江模型次洪参数不确定性分析
０＝
一
（ ４）
该 方 法 认 为 ，决 定 模 拟 结 果 好 坏 的 是 模 型 的 参 数 组
Ｉ Ｏ ｉ ｌ（ ｜ ｆ ｌ ｌ …ｈ ｌ — Ｉ Ｉ Ｉ Ｉ ｌ ｍ ｌ …ｌ ｌ 、 ｚ ｉ ｒ ｉ ｇ ｔ ｈ ， ‘ Ｉ ｌ ｌ … Ｉ ’ ｌ ａ ｉ ｎ ｔ ｙ ｌ ｆ
ｍｉ ｄ ｔ ｈ ｔ Ｉ ． Ｉ Ｉ Ｖ ． － ¨Ｉ １ Ｉ 、ｌ ｌ ｆ ｐ ａ ｔ ａ ｔ ｉ ｌ ｔ ｌ ¨ ｉ Ｈ％ ｈ ｎ ｕｔ ａ ｔ ￣ － 【 １ ｗ 【 ｌ １㈦ Ｕｌ ｍｔ ， ｔ ｈ ． ｄ． ｌ ＇ ｈ Ｉ 、Ｉ Ｉ Ｉ １ ｃ 。 ｜ ｌ Ｉ ｈ Ｉ ｌ ｌ ｓ｛ ’ ｌ｜ ｈ ｉ ｓ
ｒ： ｒ：— — — — —
， Ｌ ｎ — ｌ Ｊ
（ ３ ｊ， ）
Ｇ ｕ ｍｂ ｅ ｌ — Ｈ ｏ ｕ ｇ ａ ｒ ｄ Ｃｏ ｐ ｕ ｌ ａ 函 数 参 数 ０与 Ｋ ｅ ｎ ｄ ａ ｌ １ 秩 相 关 系 数 的 计 算 关 系 为
１
Ｂ ｅ ｖ ｅ ｎ 等 提 出 的 普 适 似 然 不 确 定 性 估 计 方 法
作者简 介 ： ｌ旭 （１ ９ ９ ３ —） ． 殳．｝ １ 。 ） ） 、 Ｊ ｝ Ｊ 人，倾 ｌ ： 研 究 ， ｝ － 从 ’ ｛ ｌ 水 史 ： ＾ 乏 水淡 ｌ 似 ｝ 充
水 力 发 电
２ ０ １ ８年 １月
之 间 相 关 性 的 存 在 ， 在 率 定 参 数 时 会 出 现 “异 参 同 效” 的现 象 。 目前 ， 水 文 模 型 参 数 不 确 定 分 析 最 常 用 的 方 法 是
水文水资源分析模型及其应用研究
水文水资源分析模型及其应用研究近年来，随着经济的快速发展，水资源成为了越来越重要的资源，尤其对于干旱地区和发展中国家而言更是如此。
水资源的不断变化和管理是对其可持续利用和保护的必要手段，而水文水资源分析模型也成为了这个过程中的重要工具。
水文水资源分析模型是指通过对水文数据、社会经济数据进行综合分析，建立水文水资源系统动态模型，并通过模拟，对水资源的变化、调控及未来预测进行评估和分析的方法。
其核心要素包括水文数据、社会经济数据和模型参数。
在实际应用中，水文水资源分析模型的研究主要可以分为以下几个方面：第一、水文模型水文模型是指通过对降雨、蒸散发等水文要素进行量化分析，建立水文系统模型，以研究水文循环过程及其影响因素，为水资源管理和规划提供科学依据。
水文模型常用的方法包括水文平衡模型、水文分区模型和水文过程模型等。
第二、水资源评价模型水资源评价模型是指通过对单位面积内水资源量及其质量、水环境质量、水资源利用状况等指标进行综合评估，以得出水资源的数量、质量及状况等综合评价指标。
水资源评价模型包括定量水资源评价和定性水资源评价两种方法。
第三、水资源规划模型水资源规划模型是指通过对水资源分配、利用、保护等方面进行综合分析，并制定合理的水资源开发和管理规划。
水资源规划模型需要考虑水资源动态变化和社会经济发展等多方面因素，以最大限度保障水资源的利用效率。
第四、水资源优化模型水资源优化模型是指在确定了水资源规划目标和管理策略的基础上，以提高水资源开发利用效率和保护水资源环境质量为主要目标，通过动态优化算法进行规划和设计，以达到最优状态。
水资源优化模型主要应用于大型水库、水土保持、水源地保护等方面。
总的来说，水文水资源分析模型是一种重要的研究方法，可应用于水资源的实际管理和规划。
该模型可以开展水资源量、质量和状况评估，制定水资源开发和管理规划，优化水资源配置和利用方案，向决策者提供科学依据。
但是，水文水资源分析模型也存在一定的不足，如数据获取和处理的难度、参数的确定和误差传递问题等，这些问题都需要进一步探讨和解决。
基于GLUE的新安江模型参数不确定性分析及应用
１ 研 究 背景
流 域 水 文 模 型 是 对 流 域 水 文 现 象 的 抽 象 概 化 ．这 种 本 质给 流 域水 文模 型 自身带 来 了许 多不 确定 因索 同时 ． 随着 人们 对环 境系 统 的认识 越来 越 深 入 ．用 于定 量 描述 流 域水 文 过 程 的流 域 水 文
Ｇ Ｌ Ｕ Ｅ方 法就 是 这一 领域 的 最新 发展 ． 本 文将 使 用 Ｇ Ｌ Ｕ Ｅ方 法对新 安 江模 型参 数不确 定性 进行 研 究
式 中： Ｐ（ ０ ） 为 先 验 似 然值 ； Ｌ（ ｙ ｌ Ｏ ） 为 新 增 实测 序列 Ｙ 算 出 的参数 组 ０的条 件 似 然值 ： Ｐ（ Ｏ ｌ ｙ ） 为参 数 后验 分布 ： Ｃ为 归一 化加权 因子 。
预报 不确 定性 的时 间序 列
第 四步 ： 模 型参 数后 验似 然值 的更 新 。有新 数 据时． 采 用 贝叶斯 函数更 新后 验 似然值 。贝 叶斯 函
数表 示为 ： Ｐ（ Ｏ ｌ ｙ ） ＝ Ｌ （ ｙ ｌ Ｏ （ ｏ ） ／ ｃ （ １ ）
数 输 入也 越 来越 多 ． 参 数 取值 常 常存 在 不确 定 性 。
２ Ｇ Ｌ Ｕ Ｅ方 法
３ 实 例 分 析
２ ． １ Ｇ Ｌ Ｕ Ｅ方 法介 绍
Ｂ ｅ ｖ ｅ ｎ和 Ｂ ｉ ｎ ｌ ｅ ｖ于 １ ９ ９ ２年提 出 了基于 贝 叶斯 理论 的普适 似然不 确定性 估计方 法 （ Ｇ ｅ ｎ ｅ ｒ ａ ｌ ｉ ｚ ｅ ｄ
将Ｇ Ｌ Ｕ Ｅ算 法应 用 到新 安 江模 型 ．采用 东 洋
． ．
吉林 水利
基于 Ｇ Ｌ Ｕ Ｅ的新安 江模 型参 数 不确 定性 分析 及应 用
马 静 等 ２ ０ １ ４年 ０ ２月
基于GLUE的流域水文模型参数不确定性研究
中 图分 类 号 ：ｔ）３３８．２
文 献 标 识 码 ：Ａ
文 章编 号 ：０５５９－９３４２（２０ｌ ８）０９一Ｏ０ｌ２—０４
速 遗 传 算 法 和 并 行 的 遗 传 算 法 能 够 在 新 安 江 水 文 模
型 的 参 数 优 化 中 取 得 不 错 的 应 用 效 果 ， 但 优 化 时 仅
仪 考 虑 水 文 过 程 中 部 分 特 征 ， 模 型 优 化 参 数 难 以 收
敛 至 单 一 值 。 参 数 不 确 定 性 识 别 技 术 研 究 为 解 决
Ｏ 引 言
降 雨 径 流 水 文 模 型 参 数 的 不 确 定 性 一 直 是 水 义
水 资 源 学 科 实 时 生 产 、 务 １ 作 研 究 的 热 点 难 点 之
‘ 一ຫໍສະໝຸດ 。 目前 ， 参 数 率 定 方 法 主 要 有 人 １－率 定 与 于
数 学 方 法 优 化 算 法 率 定 两 种 由 于 模 参 数 与 实 际
摘 要 ：通 过 对三 水 源新 安 江水 文模 型参 数 分 析 ，针 对 模 型 中的 自由水 莆 水 容 星 、壤 中流 消退 系 数 、地 下 水 消 退 系 数 和 河 网 消退 系数 ４个 敏 感 参 数 ， 以淮 河 息 县 流 域 为例 ，应 用 慕 于 Ｂａｙｅｓｉａｎ理 论 的 ＧＬＵＥ方 法 对 参数 进 行 不 确 定 性 分 析 。结 果 表 明 ，ＧＬＵＥ方 法 以确 定 性 系 数 ０．８５为 临 界 似 然 判 据 ，得 到 ９０％ 置 信 区 间 的 洪水 过 程 概 率 分 布 ，能 够 很 好地 模拟 实 况 流量 过程 。 关键 词 ： 确 定 性 分析 ；水 文模 型参 数 ；新 安 江 模 型 ；ＧＬＵＥ；息 县 流 域
基于不同目标函数GLUE方法参数不确定性研究
第 ４４卷第 １１期
２０１８年 １１月
基 于 不 同 目标 函 数 ＧＬＵＥ 方 法
参 数 不 确 定 性 研 究
温娅 惠 ，李 致 家 ，霍 文博 ，张 汉辰 ，童 冰 星
（１．河 海 大 学 水 文 水 资 源 学 院 ，江 苏 南 京 ２１００９８； ２．河 海 大 学 水 安 全 与 水 科 学协 同创 新 中心 ，江 苏 南 京 ２１００９８）
Ｒｅｓｅａｒｃｈ ｏｎ Ｐａｒａｍｅｔｅｒ Ｕｎｃｅｒｔａｉｎｔｙ Ｂａｓｅｄ ｏｎ ＧＬＵＥ Ｍ ｅｔｈｏｄ ｗｉｔｈ Ｄｉｆｆｅｒｅｎｔ Ｏｂｊｅｃｔｉｖｅ Ｆｕｎｃｔｉｏｎｓ ＷＥＮ Ｙａｈｕｉ ，ＬＩ Ｚｈｉｊｉａ 一，ＨＵＯ Ｗｅｎｂｏ ，ＺＨＡＮＧ Ｈａｎｃｈｅｎ’，ＴＯＮＧ Ｂｉｎｇｘｉｎｇ’
（１．Ｃｏｌｌｅｇｅ ｏｆ Ｈｙｄｒｏｌｏｇｙ ａｎｄ Ｗ ａｔｅｒ Ｒｅｓｏｕｒｃｅｓ， Ｈｏｈａｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ ２１００９８，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ； ２．Ｎａｔｉｏｎａｌ Ｃｏｏｐｅｒａｔｉｖｅ Ｉｎｎｏｖａｔｉｏｎ Ｃｅｎｔｅｒ ｆｏｒ Ｗａｔｅｒ Ｓａｆｅｔｙ＆ Ｈｙｄｒｏ—Ｓｃｉｅｎｃｅ，Ｈｏｈａｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ ２１００９８，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ： Ｈｙｄｒｏｌｏｇｉｃ ｍ ｏｄｅｌ ｐｌａｙｓ ａｎ ｉｍ ｐｏｒｔａｎｔ ｒｏｌｅ ｉｎ ｆ ｌｏｏｄ ｆｏｒｅｃａｓｔｉｎｇ． Ｈｏｗｅｖｅｒ， ｄｕｅ ｔｏ ｔｈｅ ｕｎｃｅｒｔａｉｎｔｙ ｏｆ ｍ ｏｄｅｌ ｐａｒａｍｅｔｅｒｓ， ｉｔ ｍａｙ ｐｒｏｄｕｃｅ ｌａｒｇｅ ｐｒｅｄｉｃｔｉｏｎ ｅｒｒｏｒ ｅｖｅｎ ｉｆ ｔｈｅ ｒａｉｎｆａｌｌ ｄａｔａ ｉｓ ｍｅａｓｕｒｅｄ． Ａｉｍｉｎｇ ａｔ ｔｈｅ ｐｒｏｂｌｅｍ ｏｆ ｐａｒａｍ ｅｔｅｒ ｕｎｃｅｒｔａｉｎｔｙ， ｔｈｅ
水文模型模拟水文极值的不确定性分析
水文模型模拟水文极值的不确定性分析作者：王思媛胡高辉孙利敏陈浩杨涛来源：《人民黄河》2018年第02期摘要：以黄河源区为研究区，运用GLUE法分析了HBV模型和新安江模型模拟水文极值的不确定性。
目标似然函数阈值分别选用0.7、0.6、0.5，将得到的洪水和枯水水文极值以及选出的模拟结果按丰水年、平水年和枯水年过程分别进行分析。
结果表明：两个模型均擅长于模拟洪水，而且时洪水模拟的不确定性较对枯水模拟的不确定性低；从两个水文模型模拟日过程估计区间的差别看，HBV模型估计区间与实测相比，洪水年总体偏低，枯水年总体偏高，平水年不存在明显趋势，新安江模型则不存在这个特点；在相同的参数采样方法和策略下，HBV 模型的不确定性比新安江模型更显著；两个水文模型对枯水指标Q9o和Q7s模拟的不确定性都较大；新安江模型对洪水指标Qu和QIa的估计区间小于HBV模型的，不确定性水平较低。
关键词：HBV模型；新安江模型；GLUE法；不确定性分析；水文极值；黄河源区中图分类号：P333；TV882.1 文献标志码：A doi：10.3969/j.issn.1000-1379.2018.02.001黄河源区位于青藏高原东北部，属于典型的高原寒区，对气候变化的响应非常敏感，已经成为国内外气候变化研究的热点区域之一。
黄河源区水文模型的应用研究也受到很多人关注。
同时，人们开始重视水文模型引起的不确定性研究。
许慧萍[1]运用TANK模型，对考虑季节性冻土的黄河源区径流特征进行了模拟，提出了适合黄河源区的概念性降雨径流模型，采用TANK模型和融雪模型及冻土运移模型相结合的方法进行模拟，达到了预期效果；刘昌明等将SWAT水文模型应用于黄河源区，模拟了1986-1995年和1963-1997年的径流量，并运用1986-1995年唐乃亥水文站实测水文资料进行了验证，结果表明SWAT模型可应用于黄河源区。
本文运用新安江模型和HBV模型对黄河源区径流过程进行模拟，并采用GLUE方法对比了两个模型对黄河源区水文极值模拟的不确定性。
利用 GLUE 方法不同算法分析 TOPMODEL模型不确定性
（ １ ．广 东省水利 电力勘 测 设计研 究院 ，广 东 广 州 ５ １ ０ ６ ３ ５； ２ ．华 南理工 大 学土木 与交通 学 院 ，广 东 广 州 ５ １ ０ ６ ４ ０ ；
３ ．中山大 学水 资源 与环境研 究 中心 ，广 东 广 州 ５ １ ０ ２ ７ ５ ）
序如 下 ：
本 文 简称残 差方 差或 似然 函数 二 。 ③ 基 于残差平 方 和 的指数 函数 的似 然 函数
１ ）似 然 函数 的定 义 与选择 似然 函数 用 来 比较 模 拟 值 和 实 测 值 的拟 合 程 度 ， 常用 的似 然 函数为 ： ①基 于 Ｎ ａ ｓ ｈ和 Ｓ ｕ ｔ ｅ ｌ ｉ ｆ ｆ ｅ系 数 的确 定 性 系 数 似 然
数一。
个标 准 的定义 ，其 选 择 具 有 一定 的 主观 性 ，由于 似 然 函数选择 的差 异 ，可 能 对模 型 参 数 识 别 和模 拟 结 果 产生一 定 的影 响 ］ 。本 文 以 Ｔ Ｏ Ｐ ＭＯ Ｄ Ｅ Ｌ模 型 为例 ，研 究各 种似 然 函数 算 法 以及 不 同调 节 参 数 的不 确 定 性 ， 分析模 型参 数 与似 然 函数 的关 系 ，分 析 预测 区 间 的各
及预 测区间对称性等特征 ，结果说 明阈值越 小，预测 区间 的可靠性越 高 ，但 不确 定性 范 围越 大；阈值 越 大则情 况相反 。 说 明选定似然函数 和阈值 时需综合考虑 多方面因素。
关 键 词 ：Ｔ Ｏ Ｐ ＭＯ Ｄ Ｅ Ｌ模 型 ；不 确 定 性 ；Ｇ Ｌ Ｕ Ｅ方 法 ；似 然 函 数 ；预 测 区间
姚 锡 良 ，等 ：利 用 Ｇ Ｌ Ｕ Ｅ方 法不 同算 法分 析 Ｔ Ｏ Ｐ ＭＯ Ｄ Ｅ Ｌ模 型 不 确 定性
改进的GLUE方法在水文模型不确定性研究中的应用
＜１时 ， 区间 较 实 际 观测 值 偏 高 ； 当 ＞１时 ， 间 区
ＭＭＧＬ （ ＭＣ Ｍｏ ｉｅ ＵＥ） 法 （ Ｅ Ｕ ＭＣ ｄｆ ｄ ＧＬ ｉ 方 结
构 、 数冗 余及 相 关性 、 入输 出误 差 等 因素造 成 的 参 输 不确定 性 进行 综 合 分 析 。该 方 法 原 理 简 单 ， 于操 易
作 ， 由于其 自身 理论 结构 的缺 陷 ， 但 越来 越 多 的研究 者对方 法 提 出 了 质 疑 【 ： 非 经 典 的 贝 叶斯 方 法 、 并 Ｊ
布 不具 有 明显 的统计 学 意义 等 等 。同时期 另 一种 基 于经 典 贝 叶斯 理 论 的 ＭＣ （ ｒｏ ｈ ｉ ｎｅ ＭＣ Ｍａｋ ｖ Ｃ ａ Ｍｏ ｔ ｎ Ｃ ｒ ） 法 也 广 泛 应 用 于 推 求 参 数 后 验 分 布 的研 ａｌ 方 ｏ 究 。特 别 是 Ｓ Ｅ —ＵＡ（ ｈ ｆ ｅ ｏ ｌ ｖ ｌ— ＣＭ Ｓ ｕｆ ｄ Ｃ ｍｐｅ Ｅ ｏｕ ｌ ｘ
Ｇ Ｕ Ｌ Ｅ方法可 以有 效地提 高预测 区间的置信度 ， 并且推 导的后 验分布与 实际情 况更为吻合。 关键词 ： 流域 ； 水文模型 ； Ｌ Ｇ ＵＥ；＾
中 图分 类 号 ：３ ４ ９ Ｐ ３，２
Ｌ ｕＥ； 后验分布 ； － 区间； 究分析 Ｎ测 研
文献标识码 ： Ａ
在 先前 的研 究 中 ， 文 学 家 致 力 于对 洪 水 预报 水
卫 晓 婧 熊 立 华
４０ ７ ） ３ ０ ２ （ 汉大 学水 资源 与水 电工程科 学 国家重 点实验 室 ， 北 武 汉 武 湖
摘要 ： 将近年 来广泛应用 于推 求参数后验 分布的 ＭＣ ＭＣ方 法， 对基 于蒙特卡洛 随机 取样方法 的传统 的
不确定性方法在水质模型中的研究进展
不确定性方法在水质模型中的研究进展摘要：水质模型的不确定性已经成为存在于整个水质模型构建过程中的系统性研究。
本文系统阐述了水质模型构建过程中不确定性的分类与来源，并针对其不同来源详细评述了不确定性研究的方法和当前的研究进展。
关键词：水质模型；不确定性；研究进展Abstract: the uncertainty of the water quality model has become exists in the whole water quality model in the process of building the systematic research. This paper expounds the process of building a water quality model of the uncertainty of classification and sources, and for its different sources described in detail uncertainty research methods and the current research progress.Keywords: water quality model; Uncertainty; Research progress中图分类号：TU991 文献标识码：A 文章编号：水质模型总体上可以分为确定性模型和不确定性模型。
以往国内外水质模型研究主要集中在确定性模型方面，并开发了许多相关的较为成熟的水质模型软件[1, 2]。
而不确定性水质模型的研究则相对滞后，仍处于探索阶段。
1 不确定性水质模型研究的背景、分类及来源从系统分析的角度看，水环境系统是一个复杂的不确定系统。
首先，作为污染物载体的水文过程由于受到自然或人为等因素的影响，是一个不确定性的随机过程[3]；进入水体的污染物的成分与数量也是随着时间、空间变化的不确定量；由于受到水体中物理、化学、生物等随机因素的影响，水体中的污染物的扩散、分解、沉降等既遵循着一定的变化规律，又存在着不确定性变异[4]。
基于GLUE的垂向混合产流模型参数不确定性分析
基于GLUE的垂向混合产流模型参数不确定性分析胡高辉;杨涛;李振亚【摘要】Hydrological model can generalize the complicated hydrological phenomenon and processes, and the uncertainty of hydrological models is one of the important directions of the model research.Based on the 5 years' runoff data of Luohe River Basin in semi-humid area, we established a vertical mixed runoff hydrological model and analyzed its uncertainty by using GLUE method and combining with 5 relevant indicators.The results show that in uncertainty analysis and parameter optimization for the vertical mixed runoff model by GLUE method, under the confidence level of 95%, the model forecast interval coverage reaches 87.5%, the parameter S and T are closed to 0, which means that the simulated data have great degree of symmetry.%水文模型能将复杂的水文现象和过程进行概化,其不确定性研究已成为模型研究的重要方向之一.以半湿润地区洛河流域为研究区域,构建了基于垂向混合产流模型的流域产流模拟模型,采用GLUE方法并结合5项相关指标对构建的模型进行不确定性分析.结果表明:使用GLUE方法对垂向混合产流模型进行不确定性评估和参数优选过程中,在置信度为95%的前提下,模型预报区间的覆盖率达到87.5%,对称度S和T接近于0,数据模拟对称度良好.【期刊名称】《人民长江》【年(卷),期】2017(048)007【总页数】5页(P36-40)【关键词】垂向混合产流模型;GLUE方法;置信度;预报区间;不确定性分析【作者】胡高辉;杨涛;李振亚【作者单位】河海大学水文与水资源学院,江苏南京 210098;河海大学水文与水资源学院,江苏南京 210098;河海大学水文与水资源学院,江苏南京 210098【正文语种】中文【中图分类】P33水文模型能将复杂度极高的水文过程抽象化和概化，使用物理方法和数学公式来描述各种水文过程。
基于GLUE方法的植被界面过程模型(VIP)的不确定性分析
基于GLUE方法的植被界面过程模型(VIP)的不确定性分析王昆;莫兴国;林忠辉;舒畅【摘要】生态系统模型一般参数较多,且在应用时存在时空尺度问题,易产生不确定性.通过模型不确定性分析,可以加深对模型结构的理解,提高模型预报的可靠性.植被界面过程模型(VIP)是一个综合考虑了陆地生态系统能量收支、水文循环和碳氮等生命元素吸收转化等过程的生态/水文动力学模型.本文采用GLUE(Generalized Likelihood Uncertainty Estimation)方法,以拟合度系数作为似然判据,利用华北平原冬小麦生长季内的田间观测数据分析VIP模型中的作物生长、土壤水分运动以及光合速率模块中8个参数以及模型预报的不确定性.研究表明,最大光合速率Vmax、饱和含水量wcsat、田间持水量wcfield参数为敏感性参数,其对似然判据的影响大,其余参数是相对不敏感参数.在置信度为95%水平下,发现观测值大都接近或者包含在置信预报区域内,说明可以通过参数校准得到很好的模型模拟效果.【期刊名称】《中国农业气象》【年(卷),期】2010(031)004【总页数】6页(P522-527)【关键词】GLUE方法;VIP模型;预报不确定性;敏感性参数【作者】王昆;莫兴国;林忠辉;舒畅【作者单位】中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室,北京,100101;中国科学院研究生院,北京,100039;中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室,北京,100101;中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室,北京,100101;中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室,北京,100101;中国科学院研究生院,北京,100039【正文语种】中文农业生态系统模型在农业环境调控、农业管理决策、生态系统评估以及气候变化研究等领域发挥着重要作用,并能够结合实时遥感信息进行大范围长时间系列的作物长势监测和估产。
新安江模型参数不确定性分析
新安江模型参数不确定性分析戴健男;李致家;黄鹏年;黄迎春【摘要】In this study, the uncertainties of the Xin' anjiang model parameters were analyzed with the GLUE method based on the Bayesian theory, through application to the Dongtiaoxi and Xixian catchments. Hie study results show that there is a large number of equivalent parameters for both catchments, verifying the argument in the GLUE method that the simulation results are determined by the combination of the parameters. According to scatter plots of the likelihood values of the behavioral parameters, the Xin'anjiang model parameters can be classified into three groups: the non-sensitive parameters (KG, K1, CG, and C1), the sensitive parameter (Cs), and the regionally sensitive parameters ( K and Sm) . The probability prediction for floods can be made through the calculation of the uncertainty ranges at a 90% confidence level.%以东苕溪流域和息县流域为例,运用基于贝叶斯理论的GLUE方法对新安江模型参数不确定性进行分析评价.结果表明,两个流域都存在大量“等效性”参数,不同的参数组能模拟出相同的效果,验证了GLUE方法的重要观点:模型模拟结果的好坏是由参数组合决定的.根据参数与似然值散点分布图,可将研究的7个参数分为不敏感参数(KG,KI,CG,CI)、敏感参数(CS)和区域敏感参数(K,SM)3类,通过计算90％置信度的不确定范围,可实现洪水概率预测的目的.【期刊名称】《河海大学学报（自然科学版）》【年(卷),期】2011(039)006【总页数】5页(P618-622)【关键词】水文预报;新安江模型;不确定性分析;GLUE方法【作者】戴健男;李致家;黄鹏年;黄迎春【作者单位】河海大学水文水资源学院,江苏南京210098;河海大学水文水资源学院,江苏南京210098;河海大学水文水资源学院,江苏南京210098;河海大学水文水资源学院,江苏南京210098【正文语种】中文【中图分类】P333.2水文系统的不确定性是水文科学研究的难点问题之一,也是水文系统复杂性的主要体现,客观的水文过程则是确定性与不确定性各种成分共同作用的结果.水文模拟和预报的不确定性越来越受到国内外水文界的重视,国际水文科学协会(IAHS)于2003年正式启动了名为“Prediction in Ungauged Basins(PUB)”的国际水文计划,大力开展无资料地区和资料缺乏地区的水文研究[1].众多的国内外学者都分析和讨论了水文模型的不确定性问题[2-7].Beven等于1992年提出的GLUE方法代表了水文模型不确定性研究领域的最新进展.Freek等[8]将该法应用于法国Ringelbach流域的TOPMODEL模型不确定性分析.Franks等[9]在无水文资料情况地区进行模型不确定性研究,采用GLUE方法根据贝叶斯公式由新的资料对原似然值进行更新,通过比较更新前后的不确定性估计来评价新增信息的价值.新安江模型是由河海大学赵人俊教授于1970年提出和建立的概念性降雨径流模型[10],在我国南方湿润地区具有广泛的适用性.本文以太湖东苕溪流域和淮河息县流域为例,运用GLUE方法,研究该模型参数的不确定性问题,分析模型“异参同效”现象以及洪水模拟的概率分布.1 GLUE方法基本原理GLUE方法有个很重要的观点:导致模型模拟结果好与差的不是模型单个参数,而是参数组合.GLUE方法首先设定模型参数的分布取值范围,利用Monte-Carlo随机采样方法获取参数值组合,放入模型中进行模拟.选定似然目标函数,计算模型模拟结果与观测值之间的似然函数值,再通过计算函数值的权重得到各参数组合的似然值.在所有的似然值中,设定一个临界值,低于这个临界值的参数组似然值被赋为零,表示这些参数组不能表征模型在研究流域的功能特征;高于该临界值则表示这些参数组能够表征模型在研究流域的功能特征.对高于临界值的所有参数组似然值重新归一化,按照似然值的大小,求出在某置信度下模型预报的不确定性范围.2 新安江模型敏感参数新安江模型有两大核心理论:蓄满产流和张力水蓄水容量曲线[11].关于新安江模型的原理及应用情况可以参考相关文献,这里不再赘述.根据文献[12-13]和前期的参数敏感性分析工作,选择蒸散发折算系数K、表层土自由水蓄水容量SM、地下水出流系数KG、壤中流出流系数KI、地下水消退系数CG、壤中流消退系数CI和河网水流消退系数CS这7个较为敏感、对模型模拟结果影响较大的参数来研究其对模型模拟结果不确定性的影响.因参数的先验分布形式不易确定,采用了均匀分布来代替.敏感参数的取值范围见表1.表1 新安江次洪模型敏感参数取值范围Table 1 Ranges and distributions of sensitive parameters in Xin'anjiang hourly model取值 K S M/m m K G K I CG C I C S最小值 0 0 0 0 0.5 0 0最大值 2 2 0 0 0.7 0.7 1.0 1 13 参数不确定性实例分析3.1 流域概况选取东苕溪和息县两个水文特征差别较大的流域进行研究.东苕溪流域位于太湖区,属于我国中亚热带向北亚热带的过渡流域,受大陆与海洋气候的影响,季风盛行,四季分明,雨量充沛,年平均降水量1553mm左右,多年平均水面蒸发量为800～900mm.丰枯年际变幅及年内时空分布不均匀,丰水年如1954年降水量达2103mm,枯水年如1978年全年降水量仅728mm.年内分配按降雨特性大致可分为梅汛、台汛和非汛期3期,汛期雨量常占全年降水量的75%左右.息县流域位于河南省南部,居淮河上游,流域面积8826km2(扣除南湾和石山口两座大型水库面积).该流域处于北亚热带和暖温带的过渡地带,在气候上具有过渡特征.流域多年平均年降水量1145 mm,其中50%左右集中在汛期(6—9月),最大年降水量1 486.6mm,最小年降水量512.9 mm,多年平均蒸发量为1258.5mm.3.2 参数组“异参同效性”将Monte-Carlo随机采样得到的10万组参数代入两个流域的新安江模型中进行模拟,分别得到10万个模拟流量过程和特征值.从这10万个模拟流量过程和特征值中发现,模拟流量过程线的整体趋势是相同的,其中有些和观测流量过程线拟合得很好,有些则或高或低地偏离观测值,充分体现出水文模型的不确定性[14-15].同时,不同参数组合可以得到十分相似的模拟似然值,即所谓的“异参同效“现象,很好地印证了GLUE方法的中心观点:导致模型模拟结果好与坏的关键并不是单个参数,而在于模型的参数组合[4].由此可见,由人工率定而来的“最优”参数组是不可靠的,具有高不确定性.表 2和表3列出了东苕溪流域1983062308号洪水和息县流域2002062120号洪水高似然值区域中的5组“等效性”参数组.表2 东苕溪流域1983062308号洪水5组“等效性”参数组Table 2 Five groups of equivalent parameters of flood(No.1983062308)in Dongtiaoxi Catchment参数组 K SM/mm KG KI CG CI CS 确定性系数1 1.8572.090.37 0.33 0.78 0.08 0.09 0.85 2 1.5855.030.43 0.27 0.82 0.07 0.17 0.85 31.9911.080.49 0.21 0.63 0.27 0.54 0.85 4 1.1482.700.36 0.34 0.89 0.02 0.15 0.85 5 1.9220.400.53 0.17 0.76 0.24 0.43 0.85表3 息县流域2002062120号洪水5组“等效性”参数组Table 3 Five groups of equivalent parameters of flood(No.2002062120)in Xixian Catchment参数组 K SM/mm KG KI CG CI CS 确定性系数1 1.4877.640.37 0.33 0.890.160.008 0.85 2 1.4055.710.28 0.42 0.97 0.340.014 0.85 3 0.65 141.11 0.330.37 0.96 0.080.001 0.85 4 1.2256.840.39 0.31 0.88 0.240.011 0.85 51.3246.100.32 0.38 0.96 0.330.088 0.85从表1和表2均可明显看出,同类参数在相同模拟似然值中的取值不同,有些参数如SM,CS变化很大,有些参数如K,KG,CG则变化较小,说明模型中每类参数的不确定性程度存在一定的差异.3.3 参数不确定性分析利用新安江模型对两个流域的洪水进行模拟,以确定性系数作为似然目标函数,得到参数与似然值散点分布图,据此可将参数归纳为以下3类.第1类:不敏感参数.KG,KI,CG和CI这4个参数的似然值散点分布图在两个流域表现非常相似,都分布均匀,无明显的变化趋势,对确定性系数影响很小,属于不敏感参数.以KG为例,见图1.第2类:敏感参数.从图2可以明显看出,参数CS的似然值散点分布图在两个流域分布区域的变化趋势相同,有明显的高值区,随着CS的增大确定性系数迅速下降,该参数对确定性系数影响较大,为敏感参数.图1 不敏感参数与似然值散点分布Fig.1 Scatter distribution of likelihood values of non-sensitive parameters图2 敏感参数与似然值散点分布Fig.2 Scatter distribution of likelihood values of sensitive parameters第3类:区域敏感参数.K和SM的似然散点分布图在两个流域分布趋势有较大差别,同样的参数组合,在东苕溪流域分布均匀,在息县流域却有较明显的起伏变化.这体现了模型参数对流域水文特征不同的响应,东苕溪流域雨量丰沛,土壤水系发达,而息县流域土壤调蓄功能较差,由于面积较大,蒸发是水量平衡的主要因素.说明K和SM属于流域性敏感参数,敏感程度与流域水文气象特性密切相关.以SM为例见图3.图3 区域敏感参数与似然值散点分布Fig.3 Scatter distribution of likelihood values of regionally sensitive parameters3.4 模型预报的不确定性范围设定似然判据确定性系数的临界值为0.8,低于该临界值的参数组似然值被赋为零,高于该临界值的所有参数组似然值重新归一化,然后,将模拟流量按大小排序,估算出一定置信度的模型预报不确定性的时间序列,求出90%置信度下新安江模型模拟的不确定性范围,即用累计似然分布的5%和95%两个分位点作为预测不确定性的界限.图4列出了东苕溪流域1983062308号洪水模拟的不确定性范围,其中包括实测值和不确定性的上限和下限.从图4可以看出,不确定性范围与流量大小密切相关,在高流量区较大,低流量区较小.模型能够较好地模拟出流域出口断面的流量过程.同时,该场洪水模拟得到的90%置信度的流量过程未能包含所有的实测流量过程,说明参数的先验分布为均匀分布的假定不能满足要求,还需继续扩大参数的分布范围.在GLUE方法中,使用贝叶斯公式更新似然值分布,参数组的数量逐渐减少,似然值的分布趋于稳定,可以得到稳定的似然值分布.初始经验揭示贝叶斯公式更新过程是逐渐减少那些后验似然值大于临界值的参数组数量,这说明随着考虑的实测资料越来越多,研究流域接受的参数组空间变得更加受约束,即参数不确定性因素会越来越小.在传统的模型参数率定中,一般率定出的参数组是唯一的,代表所有参数组收敛于一个最优参数组.而在GLUE方法中最优参数组不是唯一的,出现了最优模型参数解的集合.这是因为GLUE方法允许“最优”参数组可以随着观测值时刻变化,并且会反映在后验似然值分布的过程中.同时,GLUE方法允许在参数分布空间上存在不止一个区域的高似然值区,虽然总体趋势是由低似然值区域向高似然值收敛,但存在高似然值的却可以是多个区域,这同样也反映了模型的“异参同效”性.GLUE方法允许使用者结合自己的模型来进行不确定性分析,后验似然分布可以直接用来评估没有实测值洪水事件的不确定性范围,本文利用没有用来更新似然分布的东苕溪流域1987071908号洪水对所构建的模型进行验证.由模拟结果图5可以看出,大部分的观测流量都落在了不确定范围之内,表明可以运用后验分布参数组来进行洪水预报,得到洪水发生概率及洪峰预报区间,这对于洪水概率预报具有较大的实践意义.图4 东苕溪流域1983062308号洪水先验分布得到的不确定性范围Fig.4 Uncertainty ranges based on prior distribution of flood(No.1983062308)in Dongtiaoxi Catchment图5 东苕溪流域1987071908号洪水后验分布得到的不确定性范围Fig.5 Uncertainty ranges based on posterior distribution offlood(No.1987071908)in Dongtiaoxi Catchment4 结语以水文特性差异较大的东苕溪流域和息县流域为实例,运用GLUE方法对所购建的新安江模型参数不确定性进行了较为详细的分析.研究结果表明,两个流域都存在大量“等效性”参数,不同的参数组合能够模拟出相似的效果,充分验证了GLUE方法的中心观点:模型模拟效果是由参数组合决定的.根据两个流域的参数与似然值散点分布图,可将所研究的7个参数分为不敏感参数(KG,KI,CG,CI)、敏感参数(CS)和区域敏感参数(K,SM)3类.通过计算90%置信度的模型预报不确定范围,为进一步进行洪水概率预测提供技术支持.研究中发现,在给定参数分布和取值区间的条件下,实测流量并不能完全包含在该流量界限内,这是不确定性的表现,说明了参数的取值范围还需进一步扩大,同时也表明GLUE方法存在某些方面上的不足,需要对模型结构的不确定性进行更加细致的研究,以便完善和改进流域水文模型.参考文献:【相关文献】[1]夏军.现代水文学的发展与水文复杂性问题的研究[C]//第二届全国水问题研究学术研讨会论文集.北京:中国水利水电出版社,2004:3-18.[2]KUCZER A G.Improved parameter inference in catchment models:1.evaluating parameter uncertainty[J].Water Resource Research,1983,19(5):1151-1162.[3]赵人俊.流域水文模型的比较分析研究[J].水文,1989(6):1-5.(ZHAO parative analysis of hydrologic modelof basin[J].Journal of China Hydrology,1989(6):1-5.(in Chinese))[4]BEVEN K,BINLEY A.The future of distributed models:model calibration and uncertainty prediction[J].Hydrological Processes,1992(6):279-298.[5]郭生练,李兰,曾光明.气候变化对水文水资源影响评价的不确定分析[J].水文,1995(6):1-5.(GUO Sheng-lian,LI Lan,ZENG Guang-ming.Uncertainty analysis of impact of climate change on hydrology and water resources[J].Journal of China Hydrology,1995(6):1-5.(in Chinese)) [6]李向阳,程春田,林剑艺.基于BP神经网络的贝叶斯概率水文预报模型[J].水利学报,2006,37(3):354-359.(LI Xiang-yang,CHENG Chun-tian,LIN Jian-yi.Bayesian probabilistic forecasting model based on BP ANN[J].Journal of Hydraulic Engineering,2006,37(3):354-359.(in Chinese))[7]芮孝芳,刘方贵,邢贞相.水文学发展及其所面临的若干前沿科学问题[J].水利水电科技进展,2007,27(1):75-79.(RUI Xiao-fang,LIU Fang-gui,XING Zhen-xiang.Advances in hydrology and some frontier problems[J].Advances in Science and Technology of Water Resources,2007,27(1):75-79.(in Chinese))[8]FREER J,BEVEN K.Bayesian estimation of uncertainty in runoff prediction and the value of data:an application of the GLUE approach[J].Water ResourcesResearch,1996,32(7):2161-2173.[9]FRANKS S W,BEVEN K J.Bayesian estimation of uncertainty in land surface-atmosphere flux prediction[J].Geophysical Research,1997,102(20):23991-23999.[10]赵人俊.流域水文模型-新安江模型与陕北模型[M].北京:水利水电出版社,1984:33-42.[11]ZHAO Ren-jun,LIU Xin-ren.The Xinanjiang model[C]//SINGH V puter Models of Watershed Hydrology.Highlands Ranch,Colorado,USA:Water Resources Publications,1995:215-232.[12]王佩兰,赵人俊.新安江模型(三水源)参数的客观优选方法[M].北京:中国水利水电出版社,1989.[13]李致家.水文模型的应用与研究[M].南京:河海大学出版社,2008.[14]李胜,梁忠民.GLUE方法分析新安江模型参数不确定性的应用研究[J].东北水利水电,2006,24(2):31-33.(LI Sheng,LIANG Zhong-min.Study on GLUE method applied to analyzing uncertainty of Xinanjiang model parameter[J].Water Resources&Hydropower of Northeast China,2006,24(2):31-33.(in Chinese))[15]黄国如,解河海.基于GLUE方法的流域水文模型的不确定性分析[J].华南理工大学学报:自然科学版,2007,25(3):137-142.(HUANG Guo-ru,XIE He-hai.Uncertainty analyses of watershed hydrological model based on GLUE method[J].Journal of South China University of Technology:Natural Science Edition,2007,25(3):137-142.(in Chinese))。
水文模型不确定性研究方法耦合分析
水文模型不确定性研究方法耦合分析
郑言峰
【期刊名称】《人民珠江》
【年(卷),期】2022(43)6
【摘要】为了探索解决在提高区间覆盖率的同时降低预测区间平均带宽的问题,将dual EnKF方法与GLUE方法2种水文模型不确定性研究方法进行了耦合分析,得到了dual E-G方法。
以新安江模型为例,采用3个评价指标(覆盖率、平均带宽和平均不对称性)评价了dual E-G方法在3个流域(甲河流域、天河流域、灞河流域)的预测区间性质,并与GLUE方法进行了对比。
结果表明:dual E-G方法可以同时改善3种不确定性指标。
该成果可为水文模型预报、洪水决策风险分析等方面的深入研究提供有益参考。
【总页数】8页(P108-115)
【作者】郑言峰
【作者单位】青岛市水利勘测设计研究院有限公司
【正文语种】中文
【中图分类】TV124
【相关文献】
1.基于贝叶斯模型加权平均方法的水文模型不确定性分析
2.基于HSPF模型水文数据不确定性分析方法
3.基于IBUNE方法的水文模型不确定性分析
4.三种水文模型不确定性分析方法比较
5.融合AR模型和MCMC方法的水文模拟不确定性分析
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
６ Ｂ ｒａ ｆ ｕａ ｅｅｖｉＭａａｅ ｅ ｔＹ ｙｏＺ ｅｉ ｇ３ ５ ０ ） ． ｕｅｕｏ ｙｏＲ ｓｒｏ ｎｇｍ ｎ， ｕ ａ ｈｊ ｎ ４ ３ Ｙ ｒ ａ １ Ａ ｓ ａｔＴ ｅｕ ｃｒ ｉｔ ｏ ａａ ｅｅ ｅｆ ｏ ｒｃｓ ｏ ｉ ｇｕ Ｒ ｓｒｉ ｉ ｉ＇ ｊ ｎ ｏ ｅ ｗ ｓａａ ｚｄｂ ｂｔ ｃ： ｈ ｎ ｅ ａ ｙ ｆ ｒｍ ｔｒ ｉ ｔ ｏｄｆ ｅａｔ ｆ ａ ｈ ｉ ｅｅｖ ｒ ｔ Ｘｎａ ｉ ｇｍ ｄｌ ａ ｎｌ ｅ ｙ ｒ ｔｎ ｐ ｓｎ ｈ ｌ ｏ Ｌｎ ｏｗｈ ｎａ ｙ
ｕｉｇｔｅｇｎｒｌｅ ｋ ｌ ｏｄｕ ｃｒ ｉｔ ｅｔ ｔｎ （Ｌ Ｅ ｍｅ ｏ ， ｎ ｅｆ ｅａｔ ｒ ｒ ａ ｌ ｎｌｚｄ Ｔ ｅｒｓｈ ｓ ｅｅａ ｚｄｌ ｅｈ ｏ ｎｅ ａｎ ｓｍａｏ Ｇ Ｕ ） ｔ ｄ ａｄｔ ｒｃｓ ｅｒ ｓ ｓ ａ ａ ｅ ． ｈ ｅｕ ｓ ｎ ｈ ｉ ｉ ｉ ｔ ｙ ｉ ｉ ｈ ｈ ｏ ｏｗ ａｏ ｙ
ｍｏ ｅ ｐ ｒ ｍｅ ｅ ｓ ｉ ． ｍａ ｙ ｃ ｅ ｔｂ ｅ ｉ ｅｉ ｏ ｄ ｓｉ ｔ ｎ ａ ａ ｔ ｒ ｃ ｍｂ ｎ ｔ ｎ ｅ ｉｔ ｇ ｄ ｌ ａ ａ ｔｒ ， ． ｅ ｎ ａ ｃ ｐａ ｌ ｌ ｌ ｏ ｅ ｔ ｋ ｈ ｍａ ｉ ｐ ｒ ｍｅ ｅ ｏ ｉａ ｒ ｏ ｏ ｏ ｉ ｏ ｈ ｐ ｒ ｍｅｅ ｓ ｆ
Ａ ｐｉ ｔ ｎａ ｄｓｕ ｙＯ ｎ ｌｚｎ ｎ ｅｔｉｔ ｆ ｉａ ｊ ｎ ｄ ｌ ａａ ｔｒＷｉ ｉ ｅＧＬ Ｅ Ｍｅ ｏ ｐ ｌａｉ ｎ ｔｄ １ａ ａｙｉｇｕ ｃｒ ｎｙｏ ｎ ｎｉ ｇｍｏ ｅ ｐ ｒ ｍｅｅ ｔ ｎｔ Ｕ ｔ ｄ ｃ ｏ １ ａ ｘ ａ ｈ ｈ ｈ
Ｘｎａｊ ｎ ｏ ｅ ｃｎｂ ｌ ｓ ｅ ｎ ｏｇｏ ｐ： ｅｓｉ ａａ ｔ ｓａｄ ｎｎ ｓｎｉｖ ａ ｍｅ ｒ Ｔ ｅｓ ｄ ｎｔｅ ｉ＇ ｉ ｇｍ ｄｌ ａ ｅｃ ｓｉ ｄｉｔ ｔ ｒｕ ｓ ｓｎｉｖ ｐ ｒ ｅ ｎ ｏ —ｅ ｓｉ ｐ ｒ ｔｓ ｈ ｔ ｙｏ ｈ ｎａ ａ ｆ ｉ ｏｗ ｔｅ ｍｅ ｒ ｔｅ ａ ｅ ． ｕ
ｐ ｒｍ ｔｒ ｏ ｉ ＇ ｊ ｎ ｄ ｌ ｎ ｈ ｅ ｓ ｉｉ ｆｐ ｒｍ ｔｒ ｗ ｌ ｐｏ ｉｅ ｓ ｐ ｏ ｓｔ ｐ ｒｍｅ ｒｃ ｌ ｒｔ ｎ ａ ｄ ｔｅ ａａ ｅｅ ｆＸ ｎａ ｉ ｇ ｍｏ ｅ ａ ｄ ｔｅ ｓ ｎｉｖｔ ｏ ａａ ｅｅｓ ｉ ｒｖ ｕ ｐ ｒ ｏ ａ ｓ ｎａ ｔ ｙ ｌ ｄ ｔ ａ ｔ ａ ｂ ｉ ｎ ｈ ｅ ｉａ ｏ
水 力 发 电
第３ 卷第 ５期 ６
２１ ０ ０年５月
ＧＬＵ 法 分 析 水 文 模 型 参 数 不 确 定 性 的研 究 Ｅ
张利 茹 １， 管仪 庆 。 王 君 ， 李 星 ， 戴泗 君 １ ２ ，
（． １ 南京水利 科学研 究 院，江 苏 南京 ２ ０ ２ ；２ 水利 部应对 气候 变化研 究 中心 ，江 苏 南京 １０ ９ ． 勘 测设计 院 ，河南 南 阳 ４ ３ ０ ；６ 浙江 省余 姚水 库管理 局 ，浙江 余姚 ３ ５ ０ ） ７０ ０ ． １ ４ ３ ２０２ ； １０ ９ ３ 河海大 学 ，江 苏 南京 ２ ０ ９ ；４ 鹿 邑县水 利局 ，河 南 鹿 邑 ４ ７ ０ ；５ 南 阳市水利建 筑 ． １０ ８ ． ７２ ０ ．
ｓ ｏ ｈ ｔｔ ｅ ｅ ａ ｅ ａ ｌｒ ｅ ａ ｕ ｔｏ ａ ａ ｔ ｒ ｇｏ ｐ ｉ ｈ ｒ ｃｅ ｉｔ ｆ” ｉ ｅ ｅ ｔｐ ｒ ｍｅｅ ｓ ｗ ｔ ａ ｆ ｃ ”ｎ ｈ ｗ ｔ ａ ｈ ｒ ｒ ａ ｇ ｍｏ ｎ ｆｐ ｒ ｍｅ ｅｓ ｒ ｕ ｓ ｗ ｔ ａ ｃ ａ ａ ｔｒ ｉ ｏ ｄ ｆ ｒ ｎ ａａ ｔｒ ｉ ｓ ｍｅ ｅｆ ｔｉ ｈ ｓｃ ｆ ｈ ｅ
摘 要 ：应 用 新安 江模 型 ，采用 普 适 似然 不 确 定 估 计 （ Ｌ Ｅ）方 法 ，对梁 辉 水 库 洪水 预 报 中 参数 的不 确 定性 问题 进 Ｇ Ｕ 行研 究 并 对 预 报误 差进 行 分 析 ，结 果 发 现 ，模 型参 数 中存 在 大 量 的 “ 异参 同效 ”参 数 组 ，即 存 在许 多可 接 受 的似 然
Ｚ ａ ｇＬｒ ， ａ ｑｎ Ｗａ ｇＪ ｎ， ｉＸ ｎ ｓ ａ ｉ ｎ ｈ ｎ ｉ ｕ Ｇｕ ｎＹｉｉｇ， ｎ ｕ ４Ｌ ｉｇ，Ｄ ｉ ｊ Ｓｕ
（． ａｊ ｇＨ ｄａｌ ｅｅｒ ｎｔｕ ， ａｊ ｇ ｉ ｇｕ２ ０ ２ ； ． ｅｅｒｈＣ ｎ ｒｏ Ｃｉ ｔ Ｃ ａｇ， １Ｎ ｎｉ ｙ ｒｕｉ Ｒ ｓａｃ Ｉｓｔｔ Ｎ ｎｉ ａ ｓ ０ ９ ２ Ｒ ｓａｃ ｅｔ ｒ ｌ ｅ ｈ ｎｅ ＭＷＲ ｎ ｃ ｈ ｉｅ ｎ Ｊｎ １ ｅ ｆ ｍａ ， Ｎ ｎｉｇ ｉ ｇｕ２ ０ ２ ； ． ｈ ｉ ｎｖｒｔ， ａｊ ｇＪ ｎｓ １０ ８ ４ Ｂ ｒａ ｆ ｕ ｉ ｔ ｏ ｓｒ ｎｙ ａｊ ａ ｓ １０ ９ ３ Ｈｅａ Ｕ ｉｅｓｙ Ｎ ｎｉ ａｇｕ２０ ９ ； ． ｕｅｕｏ ｙ Ｗａ ｒ ｎｅｖ ｃ， ｎ Ｊｎ ｉ ｎ ｉ Ｌ ｅＣ ａ
估计值的参数值组合。据此，将参数分为敏感性参数和不敏感性参数两大类。深入了解新安江模型参数的意义及其
敏感 性 问 题为 今 后 流 域水 文 模 拟 提 供参 考 ．以 助 于新 安 江 模 型 参数 的率 定 和模 型 的 推 广应 用 。
关 键 词 ：水 文 不 确 定性 分 析 ；Ｇ Ｕ Ｌ Ｅ方 法 ；新 安 江 模 型 ；等 效 性 ；梁 辉 水 库