600 600 实测流量 一实测流量 -置信下限 ---XAJ模型 一置信上限 …BFS模型 20406080100120140 020406080100120140 时间间隔h 时间间隔角 (a)BFS80%置信区间的顶报过程与实测过程 (b)MCMC指样均值过程与新安江模型及实测的比较 图5870821洪水预报与实测流量过程的比较 4残差检验 目的主要是检验式(2)和式(6)的模型残差是否符合假设的正态分布。利用卡方检验两模型的残差 序列。对于预见期n=1时，在置信水平为95%时接受原假设，即式(2)和式(6)的残差序列均符合正态 分布，即三~N(0,19.52),日~N(0,22.2)。残差与理论分布的拟合情况见图6所示。 。实测残差 。实测成差 0.8 —N(0,2) 0.8 N0) 5=19.5 0=22.2 0.6 、0.6 0.4 0,4队 02 感02 0/ -800 6004000-200 0 200400 400-300-260000100200300 我差5 残差日 (a)先验网络模型 (b)似然函数网络模型 图6残差检验 5结论 (1)贝叶斯概率预报系统可与任何复杂的确定性水文模型协同工作，而不需要附加任何假设，是拟 订概率水文预报模型的通用框架；(2)用BP神经网络能够很好地模拟水文过程的非线性特征。建议的 基于遗传算法的BP网络可加快先验密度和似然函数的收敛，提高了算法的效率；(3)AM算法的抽样无 须预先给定推荐分布，不依赖于经验性，遍历性好，适应性强。建议的AM-MCMC能够较快地得到流量 的后验均值过程：(4)贝叶斯概率洪水预报不但可以给出洪水各时刻的流量，而且能借助于给出的各时 刻的流量方差考虑预报的不确定性，便于在实际应用中估计各种防洪决策的风险。 参考文献： [1]王善序.贝叶斯概率水文预报简介[J.水文，2001,21(5)：33-34. [2】钱名开，徐时进，王善序，等.准河息县站流量概率预报模型研究[J],水文，2004,24(2)：23-25. [3]Krzysztofowicz R.Bayesian theory of probabilistic forecasting via deterministic hydrologic model[J].Water Resources Research,1999,25(9):2739-2750. [4]Krzysztofowicz R,Drzal W J.Drake TR,Weyman J C,et al.Probabilistic quantitative precipitation forecasts for river -1505— 万方数据4残差检验 时间间隔／11 (a)BFS 80％置信区间的预报过程与实涓过程 时间问隔／h (b)MCMC抽样均值过程与新安江模型及实测的比较 图5 870821洪水预报与实测流量过程的比较 目的主要是检验式(2)和式(6)的模型残差是否符合假设的正态分布。利用卡方检验两模型的残差 序列。对于预见期n=1时，在置信水平为95％时接受原假设，即式(2)和式(6)的残差序列均符合正态 分布，即虽～N(0，19．52)，O～N(0，22．22)。残差与理论分布的拟合情况见图6所示。 G V IIj i 魁 梅 糊 镁 5 结论 卅 一N(0，善2) O实测残差 r f=19．5 ；一 l一 ：一l 一一。J 残差f (a)先验网络模型 图6残差检验 残差0 fb)似然函数网络模型 (1)贝叶斯概率预报系统可与任何复杂的确定性水文模型协同工作，而不需要附加任何假设，是拟 订概率水文预报模型的通用框架；(2)用BP神经网络能够很好地模拟水文过程的非线性特征。建议的 基于遗传算法的BP网络可加快先验密度和似然函数的收敛，提高了算法的效率；(3)AM算法的抽样无 须预先给定推荐分布，不依赖于经验性，遍历性好，适应性强。建议的AM—MCMC能够较快地得到流量 的后验均值过程；(4)贝叶斯概率洪水预报不但可以给出洪水各时刻的流量，而且能借助于给出的各时 刻的流量方差考虑预报的不确定性，便于在实际应用中估计各种防洪决策的风险。 参 考文 献： [1]王善序．贝叶斯概率水文预报简介[J]．水文，2001，21(5)：33—34． [2]钱名开，徐时进，王善序，等．淮河息县站流量概率预报模型研究[J]．水文，2004，24(2)：23—25． [3] Krzysztofowicz R．Bayesian theory of probabilistic forecasting via deterministic hydrologic model[J]．Water Resources Research，1999，25(9)：2739—2750． [4]Krzysztofowiez R，Drzal W J，Drake T R，Weyman J C，et a1．Probabilistie quantitative precipitation forecasts for fiver 一1 505— 万方数据