实时洪水概率预报方法研究

实时洪水预报中，不可避免地面临众多不确定因素，这些不确定性的存在，使预报结果也具有不确定性。预报的目的是服务于防洪调度决策，但目前洪水预报提供的都是确定性的定值预报结果，这样就无法对防洪调度方案的可靠性及决策风险做出评判。所以，研究预报的不确定性问题，实现实时洪水的概率预报，为防洪决策提供更丰富的预报信息，具有重要意义。本项申请将通过理论分析，提出两种新的概率预报模型，一是采用熵法估计水文预报误差的分布规律，建立基于预报误差条件分布与确定性水文模型耦合的概率洪水预报方法；二是采用概率分布函数描述降雨及主要产流参数的空间变异性，采用Monte-Carlo抽样技术或随机微分方程理论构建汇流模型，进而建立基于随机产汇流过程的概率洪水预报模型；将本次提出的模型与现有模型进行比较研究，在此基础上建立适用的实时洪水概率预报模型与方法体系，并提供标准化的技术流程和应用范例，为实时洪水预报工作提供参考。

实时洪水预报中，不可避免地存在着输入、模型结构和参数等诸多不确定性因素影响，进而使预报结果也具有不确定性。传统的实时洪水预报提供的都是确定性的定值预报结果，由于没有考虑预报的不确定性，所以无法对防洪调度方案的可靠性及决策风险做出正确评判。因此，量化预报过程的不确定性，实现实时洪水的概率预报，为防洪决策提供更丰富的预报信息，具有重要意义。在本研究中，首先，分别研究了经验相关模型和新安江模型的预报精度，并进行对比分析；在此基础上，采取两条途径进行概率预报方法研究：一是不确定性要素耦合途径，主要研究了降雨输入及模型参数的不确定性，并对其进行耦合，最终实现概率预报。二是预报误差分析途径，在贝叶斯预报系统（BFS）的基础上，对其水文不确定性处理器（HUP）进行改进，提出基于主成分的水文不确定性处理器（PCA-HUP），定量评估单个水文模型预报结果的可靠度，实现概率预报；采用分位数映射技术对贝叶斯模型平均（BMA）方法进行改进，提出改进的贝叶斯模型平均方法（CDF-BMA），对多个确定性预报结果进行综合，得到预报量的概率分布，在实现多模型综合预报的同时也实现概率预报。本项研究不仅为实时洪水概率预报奠定一定的理论基础，同时研究成果也将为洪水作业预报提供技术参考。