BMA集合预报在淮河流域应用及参数规律初探
以淮河流域吴家渡水文站作为试验站点,采用基于贝叶斯平均法(BMA)的集合预报模型处理来源于马斯京根法、一维水动力学方法、BPNN(Back Propagation Neural Network)的预报流量序列,通过分析BMA的参数以及其预报结果,对各方法在淮河典型站点流量预报中的适用性进行验证与分析.经2003-2016年19场洪水模拟检验可知,BMA模型能够有效避免模型选择带来的洪水预报误差放大效应,可以提供高精度、鲁棒性强的洪水预报结果.通过进一步比较各模型统计最优的频率与BMA权重值之间的相关性,发现权重值不适用于对单场洪水预报精度评定,而适用于描述多场洪水预报中,模型为最优的统计频率;基于大量先验信息,提前获取BMA的权重等参数,将是指导模型选择、降低洪水预报不确定性、改进洪水预报技术的有效手段.
集合预报、洪水预报、不确定性、权重、淮河流域、贝叶斯平均法
29
国家重点基础研究发展计划项目2016YFC0402703,2016YFC0400909
2018-03-02(万方平台首次上网日期,不代表论文的发表时间)
共8页
1520-1527