基于BP神经网络的贝叶斯概率水文预报模型

摘要：

本文在贝叶斯概率水文预报系统(BFS)框架之上,研究了双牌水库水文预报的不确定性,建立了流量先验分布及似然函数的BP神经网络模型,并通过Markov链Monte Carlo(MCMC)方法求解得到流量后验分布及其统计参数.通过对双牌水库历史洪水的研究结果表明,基于BP神经网络的BFS不仅显著提高了预报精度,而且为防洪决策提供了更多的信息,使得预报人员在决策中能考虑预报的不确定性,定量的估计各种决策的风险和后果.

关键词：概率水文预报、不确定性、MCMC、BP神经网络

所属期刊栏目：37

分类号：P333(水文科学（水界物理学）)

资助基金：中国科学院资助项目50479055

在线出版日期：2006-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：354-359