[发明专利]基于Copula函数的多变量水文不确定性处理方法

说明书

本发明提供一种基于Copula函数的多变量水文不确定性处理方法，采用该方法能够进行水文预报，其特征在于，包括以下步骤：步骤1.收集流域的水文气象基础资料和定量降水预报数据；步骤2.建立水文模型得到不同预见期的预报流量过程；步骤3.确定实测流量和预报流量的边缘分布函数；步骤4.利用Copula函数构建实测流量和预报流量的联合概率分布函数；步骤5.根据步骤3估计的边缘分布函数和步骤4构建的联合概率分布函数求解不同预见期实测流量的贝叶斯后验转移概率密度函数；步骤6.依据步骤5所得的不同预见期实测流量的贝叶斯后验转移概率密度函数，通过全概率公式获取实测流量过程的贝叶斯后验联合概率密度函数。

技术领域

本发明属于水库洪水预报领域，具体涉及一种基于Copula函数的多变量水文不确定性处理方法。

技术背景

洪水预报是防洪非工程措施的重要内容之一，直接服务于防汛抢险、水资源合理利用与保护、水利工程建设和调度运用管理。水文模型输入、参数和结构等不确定性的存在，必将导致水文模型输出的洪水预报结果也存在不确定性。因此，以概率分布的形式定量描述和估计水文预报不确定性，不仅在理论上更加科学合理，而且在实践应用中能使决策者定量考虑风险信息，实现水文预报与决策过程的有机结合。

贝叶斯概率预报系统(Bayesian Forecasting System，BFS)是一个基于贝叶斯统计原理进行概率预报的方法性框架，可以与任意确定性水文模型协同工作。水文不确定性处理器(Hydrologic Uncertainty Processor，HUP)作为贝叶斯预报系统(BFS)的一个重要组件，用来量化除定量降水预报不确定性以外的其他所有不确定性，在实际中应用相当广泛。然而，HUP只能独立地给出各预见期实测流量的贝叶斯后验概率密度，而没有考虑它们之间的内在相关性结构，属于单变量结构类型。Krzysztofowicz和Maranzano(2004)以转移概率密度为工具，提出了基于转移概率预报(Probabilistic Transition Forecast，PTF)的多变量水文不确定性处理器(multivariate HUP，MHUP)，可以在给定确定性预报过程的条件下提供实测流量过程的后验联合概率密度函数，考虑了不同预见期流量之间的内在相关性结构。PTF是MHUP的基本组成构件，目前通常采用基于正态分位数转换(NQT)和线性-正态假设的亚高斯(meta-Guassian)模型计算其先验密度和似然函数。这种正态分位数转换在外推极端事件时效果不稳健，且逆转换时也可能使结果偏离最优值，影响了该法的适用性。目前，没有文献将Copula函数引入PTF和MHUP的研究中。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种基于Copula函数的多变量水文不确定性处理方法。

本发明为了实现上述目的，采用了以下方案：

本发明提供一种基于Copula函数的多变量水文不确定性处理方法，其特征在于，包括以下步骤：

步骤1.收集流域的水文气象基础资料和定量降水预报数据；

步骤2.建立水文模型得到不同预见期的预报流量过程：

根据步骤1中的水文气象基础资料建立水文模型，并将步骤1水文气象基础资料中的实测降水数据和定量降水预报数据输入建立的水文模型，得到不同预见期的预报流量过程；

步骤3.确定实测流量和预报流量的边缘分布函数：

根据步骤1水文气象基础资料中的实测流量数据和步骤2中得到的预报流量数据资料，选取适当的边缘分布线型，并估计其参数，确定实测流量和预报流量的边缘概率分布函数；

步骤4.利用Copula函数构建实测流量和预报流量的联合概率分布函数：

根据步骤1中的实测流量数据和步骤2中得到的预报流量数据资料，采用Copula函数构造实测流量和模拟流量的联合概率分布函数，并估计Copula函数的参数；