基于贝叶斯理论和小波回归模型耦合的水文时间序列.pdfVIP

2013 年 第58 卷 第27 期：2861 《中国科学》杂志社 简 报 SCIENCE CHINA PRESS 基于贝叶斯理论和小波回归模型耦合的水文时间序列 概率预报方法 ①②* ② ① ① ③ 桑燕芳 , 尚伦宇 , 王中根 , 刘昌明 , 杨满根 ① 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; ② 中国科学院寒旱区陆面过程与气候变化重点实验室, 兰州 730000; ③ 福建师范大学地理科学学院, 福州 350007 * 联系人, E-mail: sangyf@ 小波回归模型(WR, Wavelet Re- 拟和预报结果显示, gressive model)是目前常用的且性能较 AM-MCMC-WR 模 优的一种水文时间序列模拟预报方法. 型与 WR 模型在获 然而, 小波回归模型不能很好地对水 得最优预报结果方 文序列预报结果进行不确定性分析和 面具有相同的性能, 评估, 给水文决策等工作带来较大的 且二者均优于传统 风险. 开展水文概率预报并定量估计 的线性回归模型. 预报结果的不确定性是更加合理的做 相比WR 模型, AM- 法, 它可以将不确定性和风险很好地 MCMC-WR 模型可 纳入决策和政策制定中. 以得到水文序列概 本文将自适应性马尔可夫链蒙特 率预报结果, 且预 卡罗采样方法(AM-MCMC, Adaptive 报结果的不确定性 Metropolis-Markov chain Monte Carlo)应 可以使用合适的置 用到小波回归建模过程中, 提出了一 信区间进行定量描 个水文时间序列概率预报的新模型, 述. 总体上, 研究结 称为 AM-MCMC-WR 模型. 在该模型 果表明小波回归模 中, AM-MCMC 采样方法主要用于估 型中参数主要服从 计和定量描述小波回归模型中参数的 正态概率分布, 水 不确定性, 基于此可以实现水文时间 文序列的自相关特 序列的概率预报. 利用 AM-MCMC- 性直接决定了回归 WR 模型进行预报时主要分 4 个步骤: 模型参数的最优值, 序列离散小波分解、确定小波回归模 并进一步决定了参 型、参数AM- MCMC 采样及不确定性 数的不确定程度及 分析、序列概率预报( 图1), 且需要重 其敏感性程度; 参 点考虑若干关键问题, 包括准确的序 数更大的不确定性 列离散小波分解、参数取值范围和先 将会导致预报结果 验概率分布的确定、参数采样初始值 的更大不确定性, 的确定, 以及似然函数的合理选择. 使水文时间序列预 图1 基于AM-MCMC-WR 模型的水文时间序列预报及 淮河流域两个实测径流序列的模 报有更大的困难性. 不确定性评估过程 全文见: Sang Y F, Shang L Y, Wang Z G, et al. Bayesian-combined wavelet regressive modeling for hydrologic time series forecasting. Chin Sci Bull, 2013, 58: 3796–3805, doi: 10.1007/s11434-013-5903-2