论文部分内容阅读
水文过程受众多自然和人为因素影响,决定了其变化的极端复杂性,表现为确定性的动态规律与不确定性的统计规律共存。开展水文系统的不确定性研究,对进一步加强水文变化规律的认识具有十分重要的意义。同时,开展不确定性研究,对水资源实行科学规划、管理与决策,以及对环境实施有效保护控制措施,意义重大。如果没有对模拟或预测结果中的不确定性进行深入分析,必将无法充分提供为决策者做出客观最优决策所需要的信息,同时也难以满足决策者对风险的信息需求。 本文以黄河中游为例,选择了桥头水文站为目标观测站点,分别以时间序列方法和Bayesian理论对其1956年至1987年的日径流数据开展了不确定性研究。同时对比分析了两种方法在进行不确定性分析时各自的优劣。主要的研究内容及结论归结如下: (1)在对国内外相关文献进行综述的基础上,首先对不确定性的定义进行了总结,同时提出了本文所研究的不确定性的定义,即认为度量参数与预测值的不确定性即是确定参数与预测值在一定信度下置信区间的大小;其次归纳总结了水文不确定性的形成原因及分类;再次概括了国内外进行水文不确定性分析所使用的主要理论与方法;最后提出了当今水文不确定性研究还存在的问题。 (2)对黄河流域的水文、气象、地形进行了概括描述,总结了黄河流域的水文特征。 (3)考虑到不确定性分析事实上是对方差进行估计,因此选用了时间序列模型中能够精确估计方差的GARCH模型进行建模。首先,对序列进行了剔除季节因素的处理;其次,对处理后的序列建立了传统的ARMA模型;再次,在ARMA模型的基础上,建立了GARCH模型对残差的方差进行了修正;最后,以桥头水文站1956年至1987年日径流数据为例进行了应用验证;研究结果表明,与传统ARMA模型相比,在不影响信度的情况下,GARCH模型能够更加精确的预测置信区间,从而为不确定性分析和风险分析提供更加可靠的基础。 (4)水文过程并不是一个独立的过程,目标站点流量与其周边站点流量显然有一定联系,因此通过使用Bayesian方法希望将周边站点的信息提取出来,用于目标站点的不确定性分析中。本文以每年1月31日流量为例进行分析。首先将目标站序列与Weibull分布进行了拟合,得出序列符合Weibull分布的结论;然后再利用周边站点的序列,拟合得到了Weibull分布参数的概率密度函数;其次以Bayesian MCMC方法为基础,采用Metropolis-Hastings算法计算了目标站点的后验概率分布函数;再次将由Bayesian方法得到的结果与MLE方法的结果进行了对比分析;最后将该方法应用于全年,得到了目标站点全年的不确定性分析结果。 (5)将GARCH模型与Bayesian方法进行了对比分析,结果显示GARCH模型的预测区间在汛期较大,而Bayesian方法的结果有一定程度的飘移。