基于BP神经网络的贝叶斯概率水文预报模型.pdfVIP

水 利 学 报 年 月 %’()( *’+,-. 第 卷 第 期 !# $ $/ $ !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 文章编号： （ ） 00414$0 !# $1$031# 基于 神经网络的贝叶斯概率水文预报模型 ! 李向阳，程春田，林剑艺 （大连理工大学土木水利学院，辽宁大连 22#!$） 摘要：本文在贝叶斯概率水文预报系统（ ）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 ,C% 布及似然函数的 神经网络模型，并通过 链 （ ）方法求解得到流量后验分布及其统计参 ,D E8FGBH EB?IJ K8F:B EKEK 数。通过对双牌水库历史洪水的研究结果表明，基于 ,D 神经网络的 ,C% 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。 关键词：概率水文预报；不确定性； ； 神经网络 EKEK ,D 中图分类号： 文献标识码： D$$$ - 水文预报是防汛、抗旱和水资源利用等重大决策的重要依据，历来受到各方面的关注，也是应用水 文学中发展最快的分支。现在广泛使用的水文预报模型，如新安江模型、径流相关模型、蓄满产流模型 等都是确定性水文模型，模型以确定的预报值的形式输出给用户。预报调度人员根据获得的预报结果 （通常是一个确定的流量序列）作出相应的决策。然而，众所周知，现在的预报模型是不够精确的，它只 是对复杂水文过程的一种近似模拟，模型的结构、参数以及模型的输入都是不精确的。面对不确定的水 文过程和以确定形式表述的水文预报，防洪调度决策者在制订决策时，如何科学地对待、处理水文预报， ［，］ 并达到最优的调度决策，就成为人们关心的课题 2 ! 。 ［］ 为了解决水文预报的不确定度问题， $ 等人提出贝叶斯概率预报系统（ LFMMIBNBO9AM P ,8J98? CBFJA8I9?Q %IJ7 ，简称,C% ）框架，将水文预报不确定性分为输入不确定性（由预见期内降雨不确定性引 ［ ］ 起）与水文不确定性，并在此基础上做了大量开创性的工作3 R / ，为水文预报不确定性研究开辟了新的 途径。,C% 定量的、以概率分布的形式描述水文预报不确定度，为防洪决策提供了更多信息，使得预报 人员在决策中能考虑各种不确定性，定量地估计各种决策的风险和后果，实现预报和决策的有机结合。 本文是在 框架上，结合湖南省双牌水库实际资料，基于 神经网络，建立了贝叶斯概率水文 ,C% ,D