洪水概率預(yù)報(bào)理論與應(yīng)用

目錄
前言
第1章 緒論 1
1.1 洪水預(yù)報(bào)過(guò)程中的不確定性 1
1.2 洪水概率預(yù)報(bào)及作用 2
1.3 洪水概率預(yù)報(bào)方法 3
1.4 洪水概率預(yù)報(bào)評(píng)價(jià)指標(biāo)體系 5
參考文獻(xiàn) 8
第2章 考慮輸入不確定性的洪水概率預(yù)報(bào) 11
2.1 面雨量計(jì)算不確定性分析方法 11
2.1.1 面雨量計(jì)算不確定性描述 11
2.1.2 抽站法基本原理 13
2.1.3 ISG方法的基本原理 14
2.2 降雨不確定性處理器 15
2.2.1 降雨量模擬 15
2.2.2 流量模擬 16
2.2.3 計(jì)算步驟 18
2.3 集合降雨預(yù)報(bào)不確定性處理方法 18
2.3.1 背景概述 18
2.3.2 Logistic方法理論 19
2.3.3 時(shí)空相關(guān)結(jié)構(gòu)重構(gòu) 21
2.4 應(yīng)用實(shí)例 23
2.4.1 面雨量計(jì)算不確定性分析方法應(yīng)用 23
2.4.2 考慮預(yù)見(jiàn)期內(nèi)降雨的洪水概率預(yù)報(bào) 26
參考文獻(xiàn) 28
第3章 考慮模型參數(shù)不確定性的洪水概率預(yù)報(bào) 30
3.1 參數(shù)不確定性 30
3.2　普適似然不確定性估計(jì)方法 31
3.3 馬爾可夫鏈蒙特卡羅方法 33
3.4 連續(xù)不確定性擬合方法 38
3.5 參數(shù)解方法 41
3.6 應(yīng)用實(shí)例 46
3.6.1 GLUE方法應(yīng)用實(shí)例 46
3.6.2 MCMC方法應(yīng)用實(shí)例 48
參考文獻(xiàn) 51
第4章 考慮模型結(jié)構(gòu)不確定性的洪水概率預(yù)報(bào) 53
4.1 模型結(jié)構(gòu)分解-組合方法 53
4.1.1 分解-組合原理 53
4.1.2 模型結(jié)構(gòu)誤差解讀框架 54
4.2 貝葉斯模型平均法 63
4.2.1 基本原理 63
4.2.2 BMA模型關(guān)鍵技術(shù) 64
4.3 應(yīng)用實(shí)例 72
4.3.1 FUSE應(yīng)用實(shí)例 72
4.3.2 BMA應(yīng)用實(shí)例 74
參考文獻(xiàn) 77
第5章 考慮多源不確定性的洪水概率預(yù)報(bào) 78
5.1 貝葉斯預(yù)報(bào)系統(tǒng) 78
5.1.1 原始貝葉斯預(yù)報(bào)系統(tǒng) 78
5.1.2 神經(jīng)網(wǎng)絡(luò)貝葉斯預(yù)報(bào)系統(tǒng) 82
5.2 貝葉斯總誤差分析框架 86
5.3 貝葉斯綜合不確定性估計(jì)法 91
5.4 應(yīng)用實(shí)例 94
5.4.1 原始BFS應(yīng)用實(shí)例 94
5.4.2 IBUNE應(yīng)用實(shí)例 99
參考文獻(xiàn) 105
第6章 水文不確定性處理器及其改進(jìn) 106
6.1 水文不確定性處理器 106
6.1.1 HUP原理 107
6.1.2 HUP的關(guān)鍵技術(shù) 108
6.2 基于BP神經(jīng)網(wǎng)絡(luò)的HUP模型 113
6.2.1 流量先驗(yàn)分布 113
6.2.2 流量似然函數(shù) 114
6.2.3 流量后驗(yàn)分布 115
6.3 基于Copula函數(shù)的HUP模型 116
6.3.1 Copula函數(shù) 117
6.3.2 先驗(yàn)分布 117
6.3.3 似然函數(shù) 118
6.3.4 后驗(yàn)分布 119
6.4 基于主成分分析的HUP模型 120
6.4.1 主成分分析 120
6.4.2 轉(zhuǎn)化空間中的模型 122
6.4.3 原始空間中的模型 123
6.5 應(yīng)用實(shí)例 123
6.5.1 HUP應(yīng)用實(shí)例 123
6.5.2 PCA-HUP應(yīng)用實(shí)例 128
參考文獻(xiàn) 131
第7章 模型條件處理器 133
7.1 模型原理及分類(lèi) 133
7.1.1 模型原理 133
7.1.2 尾部分布模型 134
7.1.3 多模型的MCP 136
7.1.4 多時(shí)段的MCP 137
7.2 分段的模型條件處理器 140
7.2.1 單預(yù)測(cè)模型的分段正態(tài)分布 140
7.2.2 多預(yù)測(cè)模型的分段正態(tài)分布 142
7.3 應(yīng)用實(shí)例 145
7.3.1 單預(yù)測(cè)模型下MCP應(yīng)用實(shí)例 145
7.3.2 多預(yù)測(cè)模型下MCP應(yīng)用實(shí)例 149
參考文獻(xiàn) 152
第8章 基于誤差分析途徑的其他洪水概率預(yù)報(bào)方法 153
8.1 信息熵方法 153
8.1.1 信息熵的基本性質(zhì) 154
8.1.2 極小熵確定分布線型 155
8.1.3 極大熵估計(jì)分布參數(shù) 158
8.2 三維誤差矩陣法 161
8.3 考慮預(yù)報(bào)誤差異分布的概率預(yù)報(bào)方法 163
8.4 應(yīng)用實(shí)例 165
8.4.1 信息熵方法估計(jì)預(yù)報(bào)誤差分布 165
8.4.2 考慮預(yù)報(bào)誤差異分布的概率預(yù)報(bào)方法應(yīng)用實(shí)例 168
參考文獻(xiàn) 174
第9章 實(shí)時(shí)洪水風(fēng)險(xiǎn)評(píng)估方法研究 175
9.1 洪水流量概率預(yù)報(bào)分布函數(shù) 175
9.2 過(guò)流能力不確定性描述 176
9.3 綜合考慮洪水預(yù)報(bào)與過(guò)流能力不確定性的防洪風(fēng)險(xiǎn)計(jì)算 178
9.3.1 一次二階矩法 179
9.3.2 JC法 181
9.3.3 Copula多維聯(lián)合分布法 183
9.4 應(yīng)用實(shí)例 185
參考文獻(xiàn) 188