首页 | 官方网站   微博 | 高级检索  
     

融合AR模型和MCMC方法的水文模拟不确定性分析
引用本文:贺新月,曾献奎,王栋.融合AR模型和MCMC方法的水文模拟不确定性分析[J].河海大学学报(自然科学版),2020,48(2):116-122.
作者姓名:贺新月  曾献奎  王栋
作者单位:南京大学地球科学与工程学院,江苏 南京 210023,南京大学地球科学与工程学院,江苏 南京 210023,南京大学地球科学与工程学院,江苏 南京 210023
基金项目:国家重点研发计划重点专项(2016YFC0402802)
摘    要:为提高水文模型参数识别的可靠性,融合自回归模型与马尔可夫链-蒙特卡洛方法(auto regressive model based modified Markov Chain-Monte Carlo,AR-MCMC),利用自回归模型刻画残差序列的自相关性,修正MCMC方法中的残差协方差矩阵。通过新疆提孜那甫河流域融雪径流模型(SRM)的案例分析发现:融雪径流模拟的残差序列具有显著的自相关性;修正残差协方差矩阵后,边缘似然值更大;综合考虑多项评价指标,AR-MCMC方法在识别期与验证期推求的预测区间均优于MCMC方法;对比2种方法在识别期与验证期的纳什系数,采用AR-MCMC方法依次为0.86、0.89,而采用MCMC方法依次为0.84、0.87,即AR-MCMC方法获取的模型拟合效果更好。分析结果表明,相对于传统的MCMC方法,AR-MCMC方法能够更好地对研究区融雪径流过程进行模拟预测。

关 键 词:水文模拟不确定性  残差协方差矩阵  似然函数  自回归模型  MCMC  AR-MCMC  融雪径流模型  提孜那甫河流域

Uncertainty analysis of hydrological simulation with auto regressive model and MCMC method
HE Xinyue,ZENG Xiankui and WANG Dong.Uncertainty analysis of hydrological simulation with auto regressive model and MCMC method[J].Journal of Hohai University (Natural Sciences ),2020,48(2):116-122.
Authors:HE Xinyue  ZENG Xiankui and WANG Dong
Affiliation:School of Earth Sciences and Engineering, Nanjing University, Nanjing 210023, China
Abstract:
Keywords:uncertainty analysis of hydrologic modelling  residual covariance matrix  likelihood function  autoregressive model  Modified Markov Chain-Monte Carlo  auto regressive model based modified Markov Chain-Monte Carlo method  snowmelt runoff model  Tiznavu Watershed
本文献已被 万方数据 等数据库收录!
点击此处可从《河海大学学报(自然科学版)》浏览原始摘要信息
点击此处可从《河海大学学报(自然科学版)》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号