Bayes统计模型在出山月均径流极小值研究中的应用

• 作者: 刘友存 崔玉环 沈永平 王建 郝永红 霍雪丽 韩添丁
• 来源期刊: 山地学报
• 学科: 地球科学
• 关键词: 径流极小值 广义Pareto分布 Markov Chain Monte Carlo( MCMC)方法 乌鲁木齐河
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 山地环境
• 页码范围: 425-433
• 页数: 9页
• 分类号: P333.3
• 字数: 6890字
• 语种: 中文
• DOI: 10.16089/j.cnki.1008-2786.000053

摘要

数理统计方法在解决全球气候变化引起的洪水、干旱等极端水文事件中获得了越来越广泛的应用。选取乌鲁木齐河1958—2006年枯水期的月平均出山径流资料，采用广义Pareto极值分布（ GPD）模型，并运用Bayes统计模型估计GPD的参数，最后对乌鲁木齐河枯水期月均出山径流极小值变化进行了估算。研究表明：1.参数的初始值、先验分布的均值分别取其极大似然估计值，先验分布的标准差取较小值，随机游走项分布的标准差取较大值，这种方法能使Markov链快速收敛；2.基于Bayes参数估计值的GPD在拟合月均径流量的极小值时具有很高的精确度，与传统的极大似然估计方法相比，Bayes统计模型的推断效果较好；3.乌鲁木齐河重现期为10 a、25 a、50 a和100 a的枯水期月均径流极小值分别约为0.60 m3/s、0.44 m3/s、0.32 m3/s和0.20 m3/s；4.100 a 重现水平的95%置信区间的下限为-0.238 m3/s，说明当乌鲁木齐河在枯水期遇上百年一遇的极小值时，有可能出现断流的情况。