洪水概率预报理论与应用

目录
前言
第1章 绪论 1
1.1 洪水预报过程中的不确定性 1
1.2 洪水概率预报及作用 2
1.3 洪水概率预报方法 3
1.4 洪水概率预报评价指标体系 5
参考文献 8
第2章 考虑输入不确定性的洪水概率预报 11
2.1 面雨量计算不确定性分析方法 11
2.1.1 面雨量计算不确定性描述 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 降雨不确定性处理器 15
2.2.1 降雨量模拟 15
2.2.2 流量模拟 16
2.2.3 计算步骤 18
2.3 集合降雨预报不确定性处理方法 18
2.3.1 背景概述 18
2.3.2 Logistic方法理论 19
2.3.3 时空相关结构重构 21
2.4 应用实例 23
2.4.1 面雨量计算不确定性分析方法应用 23
2.4.2 考虑预见期内降雨的洪水概率预报 26
参考文献 28
第3章 考虑模型参数不确定性的洪水概率预报 30
3.1 参数不确定性 30
3.2　普适似然不确定性估计方法 31
3.3 马尔可夫链蒙特卡罗方法 33
3.4 连续不确定性拟合方法 38
3.5 参数解方法 41
3.6 应用实例 46
3.6.1 GLUE方法应用实例 46
3.6.2 MCMC方法应用实例 48
参考文献 51
第4章 考虑模型结构不确定性的洪水概率预报 53
4.1 模型结构分解-组合方法 53
4.1.1 分解-组合原理 53
4.1.2 模型结构误差解读框架 54
4.2 贝叶斯模型平均法 63
4.2.1 基本原理 63
4.2.2 BMA模型关键技术 64
4.3 应用实例 72
4.3.1 FUSE应用实例 72
4.3.2 BMA应用实例 74
参考文献 77
第5章 考虑多源不确定性的洪水概率预报 78
5.1 贝叶斯预报系统 78
5.1.1 原始贝叶斯预报系统 78
5.1.2 神经网络贝叶斯预报系统 82
5.2 贝叶斯总误差分析框架 86
5.3 贝叶斯综合不确定性估计法 91
5.4 应用实例 94
5.4.1 原始BFS应用实例 94
5.4.2 IBUNE应用实例 99
参考文献 105
第6章 水文不确定性处理器及其改进 106
6.1 水文不确定性处理器 106
6.1.1 HUP原理 107
6.1.2 HUP的关键技术 108
6.2 基于BP神经网络的HUP模型 113
6.2.1 流量先验分布 113
6.2.2 流量似然函数 114
6.2.3 流量后验分布 115
6.3 基于Copula函数的HUP模型 116
6.3.1 Copula函数 117
6.3.2 先验分布 117
6.3.3 似然函数 118
6.3.4 后验分布 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 转化空间中的模型 122
6.4.3 原始空间中的模型 123
6.5 应用实例 123
6.5.1 HUP应用实例 123
6.5.2 PCA-HUP应用实例 128
参考文献 131
第7章 模型条件处理器 133
7.1 模型原理及分类 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 多时段的MCP 137
7.2 分段的模型条件处理器 140
7.2.1 单预测模型的分段正态分布 140
7.2.2 多预测模型的分段正态分布 142
7.3 应用实例 145
7.3.1 单预测模型下MCP应用实例 145
7.3.2 多预测模型下MCP应用实例 149
参考文献 152
第8章 基于误差分析途径的其他洪水概率预报方法 153
8.1 信息熵方法 153
8.1.1 信息熵的基本性质 154
8.1.2 极小熵确定分布线型 155
8.1.3 极大熵估计分布参数 158
8.2 三维误差矩阵法 161
8.3 考虑预报误差异分布的概率预报方法 163
8.4 应用实例 165
8.4.1 信息熵方法估计预报误差分布 165
8.4.2 考虑预报误差异分布的概率预报方法应用实例 168
参考文献 174
第9章 实时洪水风险评估方法研究 175
9.1 洪水流量概率预报分布函数 175
9.2 过流能力不确定性描述 176
9.3 综合考虑洪水预报与过流能力不确定性的防洪风险计算 178
9.3.1 一次二阶矩法 179
9.3.2 JC法 181
9.3.3 Copula多维联合分布法 183
9.4 应用实例 185
参考文献 188