基于MOPEX资料的水文集合预报后处理器的应用与验证

摘要

使用集合概率预报描述水文预报不确定性,不仅可以提高预报的精度和准确性,而且可以提供比确定性预报更多的风险信息。通用线性模型是一个对由水文模型产生的有偏差的水文预报进行校正的统计模型。它是利用统计手段,通过历史观测与模型模拟来得到未来河流径流的变化特征和变化规律,对未来的水文事件进行集合预报。该后处理器可以产生可靠的集合预报,保留原始预报中的技巧,有效降低水文模拟中的误差,得到更加精确的水文预报。
　　本文通过对通用线性模型水文集合预报后处理器进行多种试验来测试其性能。一方面,对两种不同误差水平的数据和不同时间段的资料分别进行处理,检验后处理器的性能和降低误差的能力;另一方面,后处理器在不同的配置下进行测试,来检验其对于不同的自身参数,不同干湿类型的流域和不同预报能力的水文模型的敏感性。
　　主要结论如下:
　　(1)这种水文集合预报系统的后处理器可以有效地衡量水文模拟的不确定性,降低水文预报中的偏差,得到更接近真实情况的校正预报。后处理产生的校正预报在平均值,标准差,均方根误差和累积分布函数等检验指标方面都更优于原始预报。
　　(2)比较了未率定的水文模型的校正预报和率定过的水文模型的原始预报,发现后处理和模型的参数率定这两种处理过程对于原始预报中均方根误差的校正效果是相当的。即使是对于经过率定的水文模型产生的水文预报,后处理器仍可以使其得到一定程度的改善。
　　(3)通过率定期和验证期的结果对比发现,对于不同时间段资料的处理,后处理器的效果是稳定可靠的,而且使用的资料越多,后处理的效果越好。但并不是所有模型产生的有偏差的水文预报经过后处理都能得到改善。
　　(4)通过对后处理器模型参数的试验,较长的分析期和缓冲期有利于提高后处理器的校正性能。同时发现后处理器的性能对不同预报起始日期没有依赖性。
　　(5)研究结果显示通用线性模型对于较湿润流域的适用性更好一些;应用于不同预报能力的水文模型产生的水文预报时,通用线性模型表现出较为一致的误差校正能力。

目录

目录

摘要

Abstract

第一章 前言

1.1 集合预报

1.2 国内外集合预报研究进展

1.3 集合预报在水文预报系统中的应用

1.4 本文研究的目的和意义

第二章 通用线性模型方法及评价指标介绍

2.1 通用线性模型方法介绍

2.2 正态分位数转换方法介绍

2.3 评价指标介绍

2.3.1 连续等级概率评分

2.3.2 集合平均

2.3.3 Nash-Sutcliffe效率系数

2.3.4 标准差

2.3.5 均方根误差

2.3.6 累积分布

2.4 本章小结

第三章 资料,模型以及研究流域介绍

3.1 使用资料介绍

3.2 使用的水文模型介绍

3.3 研究流域介绍

3.4 本章小结

第四章 GLMPP对于不同误差水平的资料的处理结果与分析

4.1 试验设计

4.2 试验结果的分析与比较

4.3 本章小结

第五章 GLMPP采用不同校验策略的试验结果及分析比较

5.1 试验设计

5.2 不同校验策略的结果与分析

5.2.1 使用前18年资料率定后18年资料验证的结果与分析

5.2.2 使用后18年资料率定前18年资料验证的结果与分析

5.2.3 使用单数年资料率定双数年资料验证的结果与分析

5.2.4 使用前9年资料率定后9年资料验证的结果与分析

5.3 本章小结

第六章 自身参数、不同模型以及流域对GLMPP性能的影响

6.1 自身模型参数对于GLMPP性能的影响

6.1.1 试验设计

6.1.2 分析期长度的影响

6.1.3 预报期长度的影响

6.1.4 缓冲期长度的影响

6.2 不同预报起始日期的影响

6.3 不同干湿程度的流域对GLMPP性能的影响

6.3.1 不同流域的干湿类型划分

6.3.2 结果分析

6.4 不同模拟能力的水文模型对GLMPP性能的影响

6.5 本章小结

第七章 总结和讨论

7.1 主要结论

7.2 创新点

7.3 存在问题和展望

参考文献

致谢

作者简介