Release Time:2019-03-10  Hits:

Indexed by: Journal Article

Date of Publication: 2006-03-30

Journal: 水利学报

Included Journals: CSCD、ISTIC、PKU

Volume: 37

Issue: 3

Page Number: 354-359

ISSN: 0559-9350

Key Words: 概率水文预报;不确定性;MCMC;BP神经网络

Abstract: 本文在贝叶斯概率水文预报系统(BFS)框架之上,研究了双牌水库水文预报的不确定性,建立了流量先验分布及似然函数的BP神经网络模型,并通过Markov链Monte Carlo(MCMC)方法求解得到流量后验分布及其统计参数.通过对双牌水库历史洪水的研究结果表明,基于BP神经网络的BFS不仅显著提高了预报精度,而且为防洪决策提供了更多的信息,使得预报人员在决策中能考虑预报的不确定性,定量的估计各种决策的风险和后果.