中长期水文预报2015.03.11.ppt

《中长期水文预报2015.03.11.ppt》由会员分享，可在线阅读，更多相关《中长期水文预报2015.03.11.ppt（50页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、中长期水文预报中长期水文预报统计预报方法统计预报方法梁忠民梁忠民河海大学水文水资源学院河海大学水文水资源学院汇报内容提纲汇报内容提纲12534Qt12月月31日日12月月31日日中长期水文预报中长期水文预报提供未来一年以内的预报提供未来一年以内的预报旬旬月月季季年年未来一年总量预报未来一年总量预报未来一年各季（或汛、枯期）预报未来一年各季（或汛、枯期）预报未来一年各月（或旬）预报未来一年各月（或旬）预报一、中长期水文预报基本需求一、中长期水文预报基本需求 时时间间尺尺度度10月月2月月12月月4月月6月月8月月中长期水文预报中长期水文预报提供未来一年以内的预报提供未来一年以内的预报定量定量定性

2、定性提供具体数值。可在年初预报未来一年提供具体数值。可在年初预报未来一年（旬、月、季、年），也可滚动预报未（旬、月、季、年），也可滚动预报未来一段时间（如来一段时间（如3月报月报4月）月）提供预报量定性评价，如偏枯、偏丰或提供预报量定性评价，如偏枯、偏丰或提供等级预报，如提供等级预报，如V级级一、中长期水文预报基本需求一、中长期水文预报基本需求 成成果果形形式式气气象象水水文文资资料料大气环流特征大气环流特征高空气压场高空气压场海表温度海表温度地面观测地面观测74项环流指数（项环流指数（逐月逐月）北半球北半球100hpa、500hpa逐月逐月平均平均高度场高度场北太平洋北太平洋逐月逐月海温场（

3、海温场（SST）当地降雨、径流、蒸发、日照等当地降雨、径流、蒸发、日照等遥遥相相关关因因子子本本地地相相关关因因子子二、需要的基础资料二、需要的基础资料 74项项环环流流指指数数可从中国国家气候中心下载可从中国国家气候中心下载二、需要的基础资料二、需要的基础资料 美国环境预报中心（美国环境预报中心（NCEP）和美国国家大气研究中心（）和美国国家大气研究中心（NCAR）提供）提供1956年年 以来的以来的100hpa 和和 500hpa 逐月平均高度场，资料范围从逐月平均高度场，资料范围从 0N80N，0E10W，网格距为经度，网格距为经度 10纬度纬度 10。北半球北半球100hpa/500h

4、pa逐月平均高度场逐月平均高度场二、需要的基础资料二、需要的基础资料 美国国家海洋和大气局（美国国家海洋和大气局（NOAA）提供的北太平洋）提供的北太平洋 1956 年以来的逐月年以来的逐月海温资料，资料范围从海温资料，资料范围从 50N10S，120E80W，网格距为经度，网格距为经度 5纬纬度度 5。北太平洋海温资料北太平洋海温资料二、需要的基础资料二、需要的基础资料 水文、地形、工程运行等资料水文、地形、工程运行等资料前期多年日、月降雨、气温、蒸发资料前期多年日、月降雨、气温、蒸发资料前期多年日、月径流、水位资料前期多年日、月径流、水位资料自然地理、地形资料自然地理、地形资料水利工程特征

5、参数及调度运行资料水利工程特征参数及调度运行资料二、需要的基础资料二、需要的基础资料 三、常用预报方法简介三、常用预报方法简介统计学方法统计学方法统计分析与水统计分析与水文模型耦合预文模型耦合预报方法报方法方方法法分分类类寻找预报变量与预寻找预报变量与预报因子之间的统计报因子之间的统计关系，实现预报关系，实现预报时间序列或统计相关时间序列或统计相关水文模型水文模型气象要素预报气象要素预报水文模型水文模型水文要素预报水文要素预报（1）预报方法分类）预报方法分类大气物理模型大气物理模型初始场、边界条件初始场、边界条件大气运动方程大气运动方程数值天气数值天气预报产品预报产品回归分析回归分析时间序列时

6、间序列多元回归多元回归逐步回归逐步回归门限回归。门限回归。统统计计方方法法分分类类传统统计方法传统统计方法现代统计方法现代统计方法自回归滑动平均类自回归滑动平均类马尔科夫转移马尔科夫转移周期分析。周期分析。聚类聚类/判别判别逐步聚类逐步聚类系统聚类系统聚类。距离判别距离判别贝叶斯判别贝叶斯判别。模糊模糊灰色灰色混沌混沌投影寻踪投影寻踪神经网络神经网络小波分析小波分析随机森林随机森林贝叶斯预报贝叶斯预报支持向量机支持向量机相关向量机。相关向量机。三、常用预报方法简介三、常用预报方法简介统计预测与水文模型统计预测与水文模型耦合耦合水文集合预报水文集合预报统计分析与统计分析与水文模型水文模型耦合预报

7、方法耦合预报方法率定确定性水文模型率定确定性水文模型确定预报时刻系统初确定预报时刻系统初始状态始状态构建模型输入集构建模型输入集集合预报及统计分析集合预报及统计分析统计方法预测模型输统计方法预测模型输入要素入要素率定确定性水文模型率定确定性水文模型耦合预报耦合预报三、常用预报方法简介三、常用预报方法简介（1）方法简介）方法简介多元回归类多元回归类通过成因分析找出影响预测对象的影响因素（因子），应通过成因分析找出影响预测对象的影响因素（因子），应用数理统计中的多元线性回归方法建立预报方案。用数理统计中的多元线性回归方法建立预报方案。多元线性回归方程：多元线性回归方程：预报因子预报因子基本基本思想

8、思想根据历史资根据历史资料用最小二料用最小二乘方法确定乘方法确定根据相关性根据相关性分析和物理分析和物理成因分析成因分析回归系数回归系数三、常用预报方法简介三、常用预报方法简介逐步回归逐步回归门限回归门限回归主成分回归主成分回归按相关性与贡献率的大小，逐步筛选与剔除相关按相关性与贡献率的大小，逐步筛选与剔除相关按相关性与贡献率的大小，逐步筛选与剔除相关按相关性与贡献率的大小，逐步筛选与剔除相关因子因子因子因子不同取值区间，建立不同的回归方程不同取值区间，建立不同的回归方程不同取值区间，建立不同的回归方程不同取值区间，建立不同的回归方程消除因子间的相关成分，提取主成分，并以主成消除因子间的相关成

9、分，提取主成分，并以主成消除因子间的相关成分，提取主成分，并以主成消除因子间的相关成分，提取主成分，并以主成分为变量，建立回归方程分为变量，建立回归方程分为变量，建立回归方程分为变量，建立回归方程方方法法思思想想（1）方法简介）方法简介多元回归类多元回归类三、常用预报方法简介三、常用预报方法简介（2）方法简介）方法简介时间序列（相关类模型）时间序列（相关类模型）分析时间序列自身的相关特征，建立预报模型。分析时间序列自身的相关特征，建立预报模型。基本基本思想思想分分类类ARMA（p,q）例：例：AR（p）模型：）模型：ARIMA（p,d,q）解集模型解集模型正则展开模型正则展开模型。三、常用预报

10、方法简介三、常用预报方法简介（2）方法简介）方法简介时间序列（时间序列（AR(p)）模型阶数模型阶数P确定确定模型参数确定模型参数确定AIC准则确定准则确定利用各阶相关利用各阶相关系数计算模型系数计算模型系数系数步步骤骤三、常用预报方法简介三、常用预报方法简介（3）方法简介）方法简介马尔可夫链马尔可夫链马尔可夫链是一种随机时间序列，预报对象在将来状态马尔可夫链是一种随机时间序列，预报对象在将来状态（xt+1）只与它现在的状态（）只与它现在的状态（xt）有关，而与过去的状态有关，而与过去的状态（x1,x2,xt-1)无关，称为无后效性，即无关，称为无后效性，即假设水文时间序列满足无后效性性要求，

11、则可采用马假设水文时间序列满足无后效性性要求，则可采用马尔可夫链对预报对象的未来状态进行尔可夫链对预报对象的未来状态进行定性定性预报。预报。三、常用预报方法简介三、常用预报方法简介（3）方法简介）方法简介马尔可夫链马尔可夫链 pij 表示径流从状态表示径流从状态i(i=1,2,3)；一步转移到；一步转移到状态状态j(j=1,2,3)时的概率，如时的概率，如p11代表代表T月径流月径流为枯时为枯时T+1月径流为枯的概率值，由转移频月径流为枯的概率值，由转移频数矩阵可计算所有情形的转移概率，得到一数矩阵可计算所有情形的转移概率，得到一步概率转换矩阵步概率转换矩阵P(1)；假定月径流状态分为枯、平、

12、丰三种，分别假定月径流状态分为枯、平、丰三种，分别记为记为1、2、3；预报因子为；预报因子为T月径流，预报对月径流，预报对象为象为T+1月径流月径流。预报时，只要将预报时，只要将T月径流的初始概率分布月径流的初始概率分布PT与与P(1)相相乘，便得到乘，便得到T+1月径流分别在枯、平、月径流分别在枯、平、丰三种状态的概率分布丰三种状态的概率分布PT+1。状态状态枯枯平平丰丰标记标记123枯枯平平丰丰枯枯平平丰丰已知：已知：T月径流为枯月径流为枯估计：估计：T+1月径流概率分布月径流概率分布枯枯三、常用预报方法简介三、常用预报方法简介谐波分析是从频率域上分析水文时间序列内部结构的一种方法，其理论

13、谐波分析是从频率域上分析水文时间序列内部结构的一种方法，其理论依据是任意水文时间序列可由依据是任意水文时间序列可由不同频率的谐波（正弦波和余弦波组成）叠加不同频率的谐波（正弦波和余弦波组成）叠加而成。显著的谐波即为周期成分，其对应的频率的倒数为周期。而成。显著的谐波即为周期成分，其对应的频率的倒数为周期。设水文时间序列设水文时间序列Xt(t=1,2,，n)，其数学模型为：，其数学模型为：式中：式中：为为Xt的均值；的均值；L为显著谐波的个数；为显著谐波的个数；aj，bj为第为第j个谐波的傅氏系数；个谐波的傅氏系数；Tj为第为第j个谐波的周期，个谐波的周期，Tj=n/j，其中：，其中：（4）方法

14、简介）方法简介周期分析法（谐波分析）周期分析法（谐波分析）三、常用预报方法简介三、常用预报方法简介通过假设检验可确定显著谐波的个数通过假设检验可确定显著谐波的个数L，构造统计量：，构造统计量：根据分析出的周期进行外延，则可实现预报。根据分析出的周期进行外延，则可实现预报。为序列的方差。根据给定的为序列的方差。根据给定的显著性显著性水平水平，由，由F分布查得分布查得F。当当FjF，则，则第第j个谐波显著个谐波显著，其对应的周期就显著；，其对应的周期就显著；反之则不显著反之则不显著。三、常用预报方法简介三、常用预报方法简介（5）方法简介）方法简介BP神经网络神经网络数据流前向计算，误差信号反向传播

15、的多层前馈网络模型数据流前向计算，误差信号反向传播的多层前馈网络模型基本基本思想思想大气环流特征大气环流特征高空气压场高空气压场海表温度海表温度输输入入层层隐隐含含层层输输出出层层降雨径流资料降雨径流资料选择传递函数，初始化权重和阈值选择传递函数，初始化权重和阈值利用训练样本修正权重和阈值利用训练样本修正权重和阈值完成机器学习完成机器学习确定网络确定网络预报降雨径流量预报降雨径流量三、常用预报方法简介三、常用预报方法简介（6）方法简介）方法简介聚类分析（系统聚类法）聚类分析（系统聚类法）聚类分析就是按照某种相似性度量，将具有相似聚类分析就是按照某种相似性度量，将具有相似特征的样本归为一类，使得

16、类内差异较小，而类特征的样本归为一类，使得类内差异较小，而类间差异较大。间差异较大。获得新的样本之后，根据相似准则，将新样本归获得新的样本之后，根据相似准则，将新样本归类，由该类特征进行预报。类，由该类特征进行预报。三、常用预报方法简介三、常用预报方法简介（7）方法简介）方法简介聚类分析（随机森林法）聚类分析（随机森林法）特点特点:随机抽样随机抽样+决策树。决策树。训练集训练集：预报因子的观测样预报因子的观测样本，预报因子的属性值称为本，预报因子的属性值称为节节点点。自顶向下，在决策树的内部自顶向下，在决策树的内部节点进行节点进行属性值属性值的比较，并根的比较，并根据不同属性判断从该节点向下据

17、不同属性判断从该节点向下的分支走向，最后在决策树的的分支走向，最后在决策树的末端得到分类或预测结果。末端得到分类或预测结果。节点节点2（气压）（气压）大于大于500hPa训练集训练集预报因子：气温、气压预报因子：气温、气压预报变量：阴、晴、雨预报变量：阴、晴、雨类别类别3（阴）（阴）类别类别1（晴）（晴）类别类别2（雨）（雨）节点节点1（气温）（气温）小于小于20C大于大于20C小于小于500hPa三、常用预报方法简介三、常用预报方法简介（7）方法简介）方法简介聚类分析（随机森林）聚类分析（随机森林）随随机机森森林林改进：一棵决策树只能得到一个预测结果，构建树群可以得到改进：一棵决策树只能得到

18、一个预测结果，构建树群可以得到多个预测结果，多个结果集成可以提高预测精度。多个预测结果，多个结果集成可以提高预测精度。关键：通过关键：通过Bootstrap随机抽样，形成随机抽样，形成决策树群（随机森林）。决策树群（随机森林）。三、常用预报方法简介三、常用预报方法简介预报因子预报因子X预报对象预报对象Y将将Y值分为值分为m级级Y=Y1，Y2，Ym获得新的预报因子值获得新的预报因子值X，计算，计算Yi出现的概率，再根据后验概率最大准出现的概率，再根据后验概率最大准则则,可实现预报变量可实现预报变量Y的的定性（等级）定性（等级）预报。预报。（8）方法简介）方法简介判别分析（贝叶斯判别）判别分析（贝

19、叶斯判别）将预报对象将预报对象Y的取值范围分成的取值范围分成若干等级或区间（如丰、平、枯），若干等级或区间（如丰、平、枯），计算预报值计算预报值落入每个区间的可能性大小，取可能性最大的区间作为预报结果。落入每个区间的可能性大小，取可能性最大的区间作为预报结果。三、常用预报方法简介三、常用预报方法简介（9）方法简介）方法简介水文集合预报水文集合预报实测数据：降雨、初始土壤含水量等实测数据：降雨、初始土壤含水量等1950195119522015.19532014水文模型计算系统初水文模型计算系统初始状态始状态 1 2 3 123月月11号号预报预报4月月10号号三、常用预报方法简介三、常用预报方法

20、简介（9）方法简介）方法简介水文集合预报水文集合预报Q（m/s）t（d）10%25%25%50%50%75%75%90%90%超过概率三、常用预报方法简介三、常用预报方法简介四、应用示例简介四、应用示例简介p多元回归多元回归p自回归自回归p马尔科夫链马尔科夫链p周期分析（谐波分析）周期分析（谐波分析）p随机森林随机森林p统计分析与水文模型耦合统计分析与水文模型耦合p水文集合预报水文集合预报（1）以丹江口以上流域）以丹江口以上流域1月份的月降雨为例月份的月降雨为例四、应用示例简介（多元回归）四、应用示例简介（多元回归）预预报报因因子子选选择择回归回归方程方程汉口上游区汉口上游区1954-2013

21、年年1月份降雨量月份降雨量y和对应的各影响因子和对应的各影响因子x数据数据最小二最小二乘法计乘法计算算预报因子环流特征量提前年数月份x1北美副高脊线(110W-60W)111x2北美副高北界(110W-60W)111x3太平洋区极涡面积指数(2区,150E-120W)11x4南海副高北界(100E-120E)212x5编号台风15x6亚洲经向环流指数(IM,60E-150E)15x7南海副高脊线(100E-120E)12x8冷空气13x9北美大西洋副高脊线(110W-20W)211x10北半球极涡中心位置(JW)17四、应用示例简介（多元回归）四、应用示例简介（多元回归）（1）以丹江口以上流域

22、）以丹江口以上流域1月份的月降雨为例月份的月降雨为例率定期（率定期（1954-2009）：年降雨总量误差：年降雨总量误差8.5%，汛期各月平均误差约为，汛期各月平均误差约为20%40%验证期（验证期（2010-2013）：年降雨总量误差：年降雨总量误差8%，汛期各月平均误差约为，汛期各月平均误差约为10%45%四、应用示例简介（多元回归）四、应用示例简介（多元回归）（2）以丹江口以上流域径流量为例）以丹江口以上流域径流量为例率定期（率定期（1984-2009）：年降雨总量误差：年降雨总量误差10.8%，汛期各月平均误差约，汛期各月平均误差约为为15%60%，年总量预报精度最高，枯季及汛期月份次

23、之。年总量预报精度最高，枯季及汛期月份次之。验证期（验证期（2010-2013）：年降雨总量误差：年降雨总量误差13.5%，汛期各月平均误差约，汛期各月平均误差约为为14%50%，年总量预报精度最高，年总量预报精度最高，枯季及汛期月份次之。枯季及汛期月份次之。预报因子预报因子环流特征量环流特征量提前年份提前年份月份月份x1登陆台风18x2北非副高脊线(20W-60E)18x3北非副高北界(20W-60E)112x4北半球极涡中心位置(JW)16x5北非副高脊线(20W-60E)16x6东亚槽位置(CW)112x7亚洲经向环流指数(IM,60E-150E)112x8东太平洋副高脊线(175W-1

24、15W)16x9冷空气14x10北美大西洋副高北界(110W-20W)111四、应用示例简介（多元回归）四、应用示例简介（多元回归）（2）以丹江口以上流域径流量为例）以丹江口以上流域径流量为例2010年年2011年年2012年年2013年年阶数阶数P=4四、应用示例简介（自回归四、应用示例简介（自回归-AR(P)）（3）以丹江口以上流域）以丹江口以上流域4月径流量为例月径流量为例率定期：率定期：1955-2009验证期：验证期：2010-2013AR(4)方程方程验证期误差统计验证期误差统计年份年份误差（误差（%）合格？合格？20102010-23-23 合格合格2011201118 18 合

25、格合格2012201238 38 不合格不合格2013201329 29 合格合格20142014-9-9 合格合格四、应用示例简介（自回归四、应用示例简介（自回归-AR(P)）预报结果示意图预报结果示意图（3）以丹江口以上流域）以丹江口以上流域4月径流量为例月径流量为例四、应用示例简介（马尔科夫链）四、应用示例简介（马尔科夫链）（4）以丹江口水库）以丹江口水库9月报月报10月入库径流量为例月入库径流量为例率定期：率定期：1951-2008 验证期：验证期：2009-2013为fi,j为第i状态经一步转移为第j状态的频数，转移概率为状状态态划划分分转转移移矩矩阵阵计计算算四、应用示例简介（马尔

26、科夫链）四、应用示例简介（马尔科夫链）（4）以丹江口水库）以丹江口水库9月报月报10月入库径流量为例月入库径流量为例预测年份预测年份实际水平年实际水平年一步转移概率一步转移概率枯水年枯水年平水年平水年丰水年丰水年2009平水平水0.0240.8780.0982010平水平水0.0240.8780.0982011平水平水0.0000.7000.3002012平水平水0.0240.8780.0982013平水平水0.0240.8780.098预测水平年与实际情况相符预测水平年与实际情况相符9月报月报10月径流预报成果表月径流预报成果表四、应用示例简介（谐波分析）四、应用示例简介（谐波分析）则则Xt

27、的周期方程为：的周期方程为：（5）以丹江口水库）以丹江口水库1月径流量为例月径流量为例率定期：率定期：1951-2009验证期：验证期：2010-2013置信度：置信度：=0.05显著周期：显著周期：10、5年年周期成分周期成分1周期成分周期成分2采用上述方程，模拟采用上述方程，模拟19512009年年1月径流量，其平均相对误差为月径流量，其平均相对误差为24.4%；验证验证20102013年年1月径流量，其平均相对误差为月径流量，其平均相对误差为27.2%。15.7%419362201334.1%4953692011-28.5%3685152012-30.4%2934212010相对误差相对

28、误差模拟值模拟值实测值实测值年份年份相对误差相对误差模拟值模拟值实测值实测值年份年份四、应用示例简介（谐波分析）四、应用示例简介（谐波分析）四、应用示例简介（随机森林）四、应用示例简介（随机森林）（6 6）丹江口逐月径流预报）丹江口逐月径流预报预报因子：预报因子：10项环流因子项环流因子预报变量：预报变量：逐月径流量逐月径流量25棵决策树率定期：19502009验证期：19502009读取训练数据25四、应用示例简介（随机森林）四、应用示例简介（随机森林）验证期逐月预报结果：验证期逐月预报结果：四、应用示例简介四、应用示例简介（统计分析与水文模型耦合）（统计分析与水文模型耦合）（7）丹江口水库

29、入库径流预报）丹江口水库入库径流预报多元回归预测多元回归预测+SWAT预报月降雨过程预报月降雨过程日降雨过程日降雨过程相似性原理相似性原理SWAT水文模型水文模型预报日预报日/月径流过程月径流过程模型参数率定与验证模型参数率定与验证率定期：1995-2005验证期：2006-2011多元线性回归模型多元线性回归模型2012年月降雨预报年月降雨预报预报结果分析选择预报因子确定回归系数模型构建与验证最小距离原则:月降雨统计预报模型月降雨统计预报模型（多元线性回归方程）（多元线性回归方程）预报因子环流特征量提前年数月份x1北美副高脊线(110W-60W)111x2北美副高北界(110W-60W)11

30、1x3太平洋区极涡面积指数(2区,150E-120W)11x4南海副高北界(100E-120E)212x5编号台风15x6亚洲经向环流指数(IM,60E-150E)15x7南海副高脊线(100E-120E)12x8冷空气13x9北美大西洋副高脊线(110W-20W)211x10北半球极涡中心位置(JW)17预预报报因因子子选选择择回回归归方方程程最小二乘法计算回归系数以以汉汉江江上上游游区区 1 月月份份的的月月降降雨雨为为例例模模型型验验证证月份月份20102010年预报误差年预报误差（mmmm）合格合格？20112011年预报误差年预报误差（mmmm）合格合格？1 12121合格合格4 4

31、合格合格四、应用示例简介四、应用示例简介（统计分析与水文模型耦合）（统计分析与水文模型耦合）月降雨月降雨日降雨过程日降雨过程根据由根据由欧氏距离欧氏距离构建的相似性构建的相似性度量函数度量函数，选择相似的典型，选择相似的典型月份的逐日降雨过程：月份的逐日降雨过程：日径流过程预报、月径流量统计日径流过程预报、月径流量统计缩缩放放计算同倍比缩放系数，对典型降雨逐日过程缩放：计算同倍比缩放系数，对典型降雨逐日过程缩放：各月缩放系数各月缩放系数式中式中i=112预报年份预报年份逐日降雨量预报逐日降雨量预报四、应用示例简介四、应用示例简介（统计分析与水文模型耦合）（统计分析与水文模型耦合）径流预测（以径

32、流预测（以20122012年为例）年为例）以以2012年为例，采用多元年为例，采用多元回归预测月降雨、采用相回归预测月降雨、采用相似性理论推求日降雨，采似性理论推求日降雨，采用用swat模型进行径流预测。模型进行径流预测。降雨预报及实测降雨预报及实测径流预报及实测径流预报及实测四、应用示例简介四、应用示例简介（统计分析与水文模型耦合）（统计分析与水文模型耦合）（8）丹江口水库入库径流集合预报（李岩等，）丹江口水库入库径流集合预报（李岩等，2008水文水文）预报：预报：2007年年10月份月份3个旬的径流量个旬的径流量水文模型：三水源新安江模型水文模型：三水源新安江模型降雨和流量集合：降雨和流量

33、集合：1979-2006年年10月月1日日30日日第第1旬旬第第2旬旬第第3旬旬集合预报（集合预报（p=50%）5.667.305.19实测实测3.577.015.31相对误差（相对误差（%）584-2四、应用示例简介（水文集合预报）四、应用示例简介（水文集合预报）未来预报降雨信未来预报降雨信息如何使用息如何使用多种预报结果如多种预报结果如何选取与综合何选取与综合预报不确定性预报不确定性定量评估定量评估主主要要问问题题1234TQ各种模型预报结果欧洲、日本、中国预测降雨产品欧洲、日本、中国预测降雨产品五、存在问题及研究重点五、存在问题及研究重点（1）未来数值天气预报产品应用）未来数值天气预报产

34、品应用五、存在问题及研究重点五、存在问题及研究重点水文集合预报系统流程图水文集合预报系统流程图（HEPEX）实测值实测值地面资料地面资料同化器同化器天气与气候预报天气与气候预报天气集合预处理器天气集合预处理器成果与服务成果与服务输出生产器输出生产器水文集合（预报）处理器水文集合（预报）处理器水文模型水文模型集合初集合初始条件始条件单值或集合预报单值或集合预报可靠的水文输入可靠的水文输入集合预报集合预报可靠的水可靠的水文成果文成果引自丛树铮引自丛树铮水科学技术中的概率统计方法水科学技术中的概率统计方法（2）多种预报成果的寻优与综合技术1234TQ1234TQ综合结果各种模型预报结果多预报模型结果

35、综合五、存在问题及研究重点五、存在问题及研究重点n基于贝叶斯理论的多模型预报成果的综合技术（BMA）通过对预报信息与实测信息的似然程度分析，构建一种自动赋权的多预报成果综合技术。预报不确定性估计预报不确定性估计 未来输入不确未来输入不确定性估计定性估计PUP水文不确定性估计水文不确定性估计（模型结构（模型结构+模型参数）模型参数）HUP综合不确定性处理综合不确定性处理器器INT五、存在问题及研究重点五、存在问题及研究重点（3）预报结果不确定性分析-借鉴美国BFS洪水预报系统思想总不确定性评估总不确定性评估t预报时刻t0tm预报结果预报结果预报置信区间预报置信区间联系方式：联系方式：梁忠民梁忠民河海大学水文水资源学院，河海大学水文水资源学院，210098，南京，南京Tel025-83786475,13951645871email: