基于glue和标准bayesian方法对topmodel模型的参数不确定性分析

《基于glue和标准bayesian方法对topmodel模型的参数不确定性分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于GLUE和标准Bayesian方法对TOPMODEL模型的参数不确定性分析摘要：目前，水文模型不确定性的量化问题在水文研究中受到很大关注，在一些文章中提到了许多不确定性量化的方法，其中，GLUE方法和标准Bayesian方法是两种最常用的方法。主要讨论这两种方法在研究TOPMODEL模型时计算有效性和不同之处.通过用GLUE和标准Bayesian方法估计TOPMODEL模型参数的不确定性和模拟的不确定性，对这两种方法的结果进行评价，并讨论产生不同的原因，研究的主要结果为：（1）由Bayesian方法得到的参数后验分布比GLUE方法得到的离散型小。（2）给定GLUE中阈值（=0.8）的

2、情况下，由Bayesian方法得到模拟流量的不确定性置信区间与GLUE方法得到的很接近。关键词：GLUE；Bayesian方法；TOPMDEL模型；不确定性；敏感参数；拟合；置信区间分类号：P334文献标志码：A文章编号：1672-1683（2014）06-0044-05概念水文模型是水文循环模拟的常用工具。它用于水量平衡分析、延伸和加密径流记录、流量预测、蓄水操作、水量供应和流域管理等。概念性模型的明显特征是一个或者多个的参数需要用物理概念观察集水区响应来校正［1］。当参基于GLUE和标准Bayesian方法对TOPMODEL模型的参数不确定性分析摘要：目前，水文模型不确定性的量化问题

3、在水文研究中受到很大关注，在一些文章中提到了许多不确定性量化的方法，其中，GLUE方法和标准Bayesian方法是两种最常用的方法。主要讨论这两种方法在研究TOPMODEL模型时计算有效性和不同之处.通过用GLUE和标准Bayesian方法估计TOPMODEL模型参数的不确定性和模拟的不确定性，对这两种方法的结果进行评价，并讨论产生不同的原因，研究的主要结果为：（1）由Bayesian方法得到的参数后验分布比GLUE方法得到的离散型小。（2）给定GLUE中阈值（=0.8）的情况下，由Bayesian方法得到模拟流量的不确定性置信区间与GLUE方法得到的很接近。关键词：GLUE；Bayes

4、ian方法；TOPMDEL模型；不确定性；敏感参数；拟合；置信区间分类号：P334文献标志码：A文章编号：1672-1683（2014）06-0044-05概念水文模型是水文循环模拟的常用工具。它用于水量平衡分析、延伸和加密径流记录、流量预测、蓄水操作、水量供应和流域管理等。概念性模型的明显特征是一个或者多个的参数需要用物理概念观察集水区响应来校正［1］。当参基于GLUE和标准Bayesian方法对TOPMODEL模型的参数不确定性分析摘要：目前，水文模型不确定性的量化问题在水文研究中受到很大关注，在一些文章中提到了许多不确定性量化的方法，其中，GLUE方法和标准Bayesian方法是两

5、种最常用的方法。主要讨论这两种方法在研究TOPMODEL模型时计算有效性和不同之处.通过用GLUE和标准Bayesian方法估计TOPMODEL模型参数的不确定性和模拟的不确定性，对这两种方法的结果进行评价，并讨论产生不同的原因，研究的主要结果为：（1）由Bayesian方法得到的参数后验分布比GLUE方法得到的离散型小。（2）给定GLUE中阈值（=0.8）的情况下，由Bayesian方法得到模拟流量的不确定性置信区间与GLUE方法得到的很接近。关键词：GLUE；Bayesian方法；TOPMDEL模型；不确定性；敏感参数；拟合；置信区间分类号：P334文献标志码：A文章编号：1672-

6、1683（2014）06-0044-05概念水文模型是水文循环模拟的常用工具。它用于水量平衡分析、延伸和加密径流记录、流量预测、蓄水操作、水量供应和流域管理等。概念性模型的明显特征是一个或者多个的参数需要用物理概念观察集水区响应来校正［1］。当参数校正时，它容易出现多个校正周期从而产生多个优化参数集，并且在单一周期中，优化参数值的不同集合内也可能会产生相同的模型性能，在水文学上把这种现象称为“等度”。另一方面，不同的模型，即使有相似校正结果或者相同的输入和输出数据，也可能会产生不同的预测［2］。因此，在水文模拟中的不确定性问题受到较大关注。一般来说，产生不确定性的原因有三种：输入数据和校

7、正数据的误差，不完整的模型结构，以及模型参数的不确定性［3］。Xu［4］说明了降雨数据的质量对模拟误差和校正模型参数的影响，Engeland［5］说明了模型结构的不确定性比参数不确定性对概念水量平衡模型的总模拟不确定性影响大。Marshall［6］说明了模型结构的不确定性需要形成选择，多个模型的输出集中在一起为产生水文总体来描述不确定性，Kavetski［7］和ChowdhuryandSharma［8］说明了通过自主增加噪声的输入数