基于NAR動態(tài)神經(jīng)網(wǎng)絡(luò)后驗信息的概率水文預(yù)報.pdf

1、水文過程就目前知識水平來看在時間和空間上是隨機(jī)演變的。實際上，現(xiàn)實世界不必確切描述。解決問題的最好辦法是應(yīng)用數(shù)學(xué)模型的抽象概念。由于人類關(guān)于天氣系統(tǒng)（例如降水過程）如何運行的知識是不完全的，為此，長期水文預(yù)報常常發(fā)生很大的誤差。
　　撓力河流域位于寒溫帶大陸性濕潤季風(fēng)氣候區(qū)，據(jù)多年數(shù)據(jù)統(tǒng)計平均降水量534.5毫米，年內(nèi)分配非常不均勻，6至9月份降水量占全年的72％。眾所周知，農(nóng)業(yè)灌溉的主要來源是降水，且降水量的多少在很大程度上反映

2、了災(zāi)害的趨勢，因此降水預(yù)測對促進(jìn)社會經(jīng)濟(jì)持續(xù)穩(wěn)定發(fā)展具有重大意義。如果能較準(zhǔn)確預(yù)報撓力河流域地區(qū)的降水情況，根據(jù)結(jié)果提前進(jìn)行決策或采取措施，對該流域水資源進(jìn)行調(diào)控和調(diào)度，對灌區(qū)農(nóng)業(yè)生產(chǎn)將具有極大的提升。
　　本文在研究撓力河流域菜咀子水文站1991年至2011年逐月及年降水量數(shù)據(jù)的基礎(chǔ)上進(jìn)行對2012年的月及年概率降水預(yù)報。主要研究內(nèi)容方法和結(jié)論如下:
　　(1)概率降水預(yù)報先驗信息的獲取及確定
　　分析已有的降水量數(shù)

3、據(jù)樣本的固有隨機(jī)特征，篩選適宜的概率分布型式，確定先驗分布及其概率密度分布的各項參數(shù)。本文綜合利用非線性數(shù)據(jù)擬合技術(shù)、數(shù)理統(tǒng)計方法求出樣本的先驗信息。其主要符合Normal、Lognormal及Weibull分布等分布型式。
　　(2)概率降水預(yù)報后驗信息的獲取及確定
　　選擇適宜的確定性水文預(yù)報模型。率定模型參數(shù)，獲取其隨機(jī)分布特征，確定后驗信息的統(tǒng)計數(shù)值特征。本文選用NAR動態(tài)神經(jīng)網(wǎng)絡(luò)，在符合擬合精度及誤差自相關(guān)性的前提

4、條件下，構(gòu)建大量網(wǎng)絡(luò)進(jìn)行預(yù)報，得到預(yù)報集，進(jìn)而獲得后驗信息。
　　(3)概率降水預(yù)報方法的構(gòu)建
　　根據(jù)基于貝葉斯理論的BFS概率預(yù)報方法，將確定出的先驗分布與確定出的后驗信息相結(jié)合，得出后驗分布。再以后驗分布中發(fā)生概率最大的降水量作為預(yù)報值，并求出其發(fā)生概率，實現(xiàn)概率降水預(yù)報。
　　(4)將各月及年降水量預(yù)報值和實測值相比較，并對比其各自的發(fā)生概率，發(fā)現(xiàn)2012年各月及年實際降水量發(fā)生概率低于預(yù)報降水量發(fā)生概率，甚至