10 2.5 3 6以 1.0 0.5 构州NN/W4aM 0.5 0 5000100001500020000 0 5000100001500020000 5000100001500020000 迭代次数 迭代次数 运代次数 (a）.=0.0004、=0.01、=0.01 5 2.0 1.5 4 4-1 1.0- 3/ 0.5 -0.5 1 Mhaw -1.0 05000100001500020000 05000100001500020000 5000100001500020000 迭代次数 迭代次数 迭代次数 ()w.=0.01、w4=0.25、0=0.25 图2GEV模型参数Bayes估计的MCMC模拟 3.5F 30 3 2.0 1.0 05 0 0 0.6 0.81.012 14 0.4 0.608 1.0 位置参数 尺度参数 (a)4 b)o 2.5 2.0 0.5 0.4 1.5 0.3 1.0 0.2 0.5 0.1 0.5 0 0.5 5 1015202530 形状参数 设计洪水 (e) (d)xaw 图3GEV模型参数以及百年一遇设计洪量的后验密度估计 由表1可见，如果先验分布不含有附加信息，两种方法估计的GEV模型参数非常相近。但贝叶 斯估计计算的不同极值系列的百年一遇设计洪水流量均比极大似然估计的大，因为贝叶斯分析隐含 着将参数作为随机变量而带来的不确定性。 4.2拟合优度检验分位数图是一种常用的拟合优度检验方法。其纵坐标是样本系列的实际值，横 坐标是样本系列的经验频率在理论频率分布曲线上对应的分位数值，它能有效反映所选理论分布与 实际样本系列的拟合程度。 图4给出了贝叶斯估计情况下年最大洪峰流量系列（单位为万m/s)的分位数图。从图4可以看 -946-(a) μ (c) ξ (d) x0.99 (b) σ 图 3 GEV 模型参数以及百年一遇设计洪量的后验密度估计 (a ) wμ=0.0004、wϕ=0.01、wξ=0.01 (b ) wμ=0.01、wϕ=0.25、wξ=0.25 图 2 GEV 模型参数 Bayes估计的 MCMC 模拟 由表 1 可见，如果先验分布不含有附加信息，两种方法估计的 GEV 模型参数非常相近。但贝叶 斯估计计算的不同极值系列的百年一遇设计洪水流量均比极大似然估计的大，因为贝叶斯分析隐含 着将参数作为随机变量而带来的不确定性。 4.2 拟合优度检验 分位数图是一种常用的拟合优度检验方法。其纵坐标是样本系列的实际值，横 坐标是样本系列的经验频率在理论频率分布曲线上对应的分位数值，它能有效反映所选理论分布与 实际样本系列的拟合程度。 图 4 给出了贝叶斯估计情况下年最大洪峰流量系列（单位为万 m3 /s）的分位数图。从图 4 可以看 — 946 —