基于贝叶斯模型平均法的多模型综合预报洪水概率研究

作者：赫淑杰; 陈燕朋

来源：河南水利与南水北调, 2021, 50(03): 26-28.

• 水文模型
• 贝叶斯模型平均法
• BP神经网络组合模型
• 洪水概率预报

研究对象为淮河流域内的息县、潢川、班台至王家坝区间,在采用新安江模型和降雨径流经验模型进行洪水模拟的基础上,构建了基于BMA洪水概率预报模型与基于BP神经网络的组合预报模型,对比分析了两种方法的预报效果。结果表明,以BMA概率预报的期望值为预报值,12场洪水的平均确定性系数为0.93,整体上优于新安江模型(0.92)和降雨径流经验模型(0.88)的预报结果,其洪量相对误差、洪峰相对误差及峰现滞时亦均满足精度要求。同时,BMA的预报结果也优于BP神经网络的综合预报结果。BMA可以提供任一置信限的预报区间,其中其90%预报区间包含实测洪水点据的比例为93%,并对预报结果的不确定性做出定量评估,预报的可靠度更高。