Vine Copula与贝叶斯模型平均结合的月径流预测及应用

摘要

准确可靠且预见期较长的月径流预测对水资源配置、防汛抗旱以及生态环境保护等具有重要意义。径流变化与降水、气温、潜在蒸散发以及前期径流等存在密切联系。鉴于Vine Copula可以灵活地将多个随机变量的边缘分布函数通过Copula对的形式联结起来构造多维联合分布函数以及贝叶斯模型平均(Bayesian Model Averaging,BMA)在处理多模型集合预报方面的优势,该研究基于BMA集合多个Vine Copula模型提出了一种BVC径流预测模型(简称BVC模型),应用于黄河流域上游4个水文站(唐乃亥站、民和站、红旗站和折桥站)的月径流预测,采用确定性系数(R2)、纳什效率系数(Nash-Sutcliffe Efficiency coefficient,NSE)和均方根误差(Root Mean Squared Error,RMSE)评价模型的预测性能。结果表明,验证期内预见期为1~3个月时,BVC模型在各水文站的R2均大于等于0.83、NSE均大于等于0.78且RMSE均维持在较低水平;与随机森林(Random Forest,RF)模型和长短期记忆神经网络(Long Short-Term Memory Neural Network,LSTM)模型相比,BVC模型能够很好地预测各水文站月径流的变化过程,特别是月径流极值的变化。研究表明BVC模型在预见期为1~3个月时的月径流预测性能明显优于RF模型和LSTM模型。该研究构建的BVC模型为流域的水资源管理和风险评估等提供参考。