确定性水文模型的贝叶斯概率预报 理论与方法

本书在系统阐述贝叶斯预报系统的理论框架前提下，采用BP神经网络和改进的蒙特卡罗数值算法研究了贝叶斯预报系统的先验密度、似然函数的表达方法及后验密度获取技术，构建了流域概率降雨预测模型和概率洪水预报系统。对涉及的各种算法的基本原理进行了详尽介绍和实例应用研究。同时，采用贝叶斯理论对马尔可夫链蒙特卡罗算法改进，建立了基于贝叶斯理论的马尔可夫链蒙特卡罗模型算法，用于水文模型参数的不确定性分析。并利用该算法分析获取了Nash模型参数在不同研究流域的不确定性特征。本书对解决水文模型或水文水资源领域的数据及模型参数的不确定性分析提供了通用的研究方法，所构建的贝叶斯概率洪水预报系统能够充分考虑水文模型参数的不确定性和确定性水文模型的后验信息，同时给出洪水预报量数值和指定概率的置信区间，可为防洪决策提供预报值的不确定度，为考虑决策风险提供科学的依据。本书介绍的理论方法具有广泛的适用性，可供从事水文学及水资源、水利工程、农业工程、环境科学及其他相关专业的教学、研究和管理都工作的读者借鉴和参考。