融合AR模型和MCMC方法的水文模拟不确定性分析

• 作者: 曾献奎 王栋 贺新月
• 来源期刊: 河海大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 水文模拟不确定性 残差协方差矩阵 似然函数 自回归模型 MCMC AR-MCMC 融雪径流模型 提孜那甫河流域
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 水文水资源与环境
• 页码范围: 116-122
• 页数: 7页
• 分类号: P333.9
• 字数: 4790字
• 语种: 中文
• DOI: 10.3876/j.issn.1000-1980.2020.02.004

摘要

为提高水文模型参数识别的可靠性,融合自回归模型与马尔可夫链-蒙特卡洛方法(auto regressive model based modified Markov Chain-Monte Carlo,AR-MCMC),利用自回归模型刻画残差序列的自相关性,修正MCMC方法中的残差协方差矩阵.通过新疆提孜那甫河流域融雪径流模型(SRM)的案例分析发现:融雪径流模拟的残差序列具有显著的自相关性;修正残差协方差矩阵后,边缘似然值更大;综合考虑多项评价指标,AR-MCMC方法在识别期与验证期推求的预测区间均优于MCMC方法;对比2种方法在识别期与验证期的纳什系数,采用AR-MCMC方法依次为0.86、0.89,而采用MCMC方法依次为0.84、0.87,即AR-MCMC方法获取的模型拟合效果更好.分析结果表明,相对于传统的MCMC方法,AR-MCMC方法能够更好地对研究区融雪径流过程进行模拟预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王栋	南京大学地球科学与工程学院	66	1002	18.0	30.0
2	曾献奎	南京大学地球科学与工程学院	8	44	4.0	6.0
3	贺新月	南京大学地球科学与工程学院	2	0	0.0	0.0