论文部分内容阅读
降水作为灌溉主要水源之一,实现对降水量的准确预测,对区域尤其是灌区的经济发展、水资源综合应用与管理以及抗灾减灾方面都具有重大的意义。而降水受多种因素的影响,其中降水量与气象因子的变化密切相关,因而气象因子的不确定性必然影响着降水量预报的精度。为获取气象因子不确定性特征,提高降水预报结果的精度。因此本研究以友谊农场为三江平原的典型研究区域,应用其月气象数据为研究对象,实现基于降水主要影响因子不确定性的降水概率预报及集合预报。主要研究内容如下:（1）降水主要影响因子辨识与不确定性分析应用逐步回归分析法对降水主要影响因子进行进一步辨识,并通过云模型技术实现降水及其主要影响因子的不确定性的定性与定量之间的转化,最终得到降水及其各因子的不确定性强弱的关系为:U降水量>U蒸发量>U平均气温>U相对湿度。（2）确定性预报模型通过降水自相关和降水主要影响因子分别建立RBF-ANN预报模型（AR-RBF和IF-RBF）,并将其应用到友谊农场的月降水量预测中,通过对比分析发现,考虑更多因素的IF-RBF比AR-RBF的预测效果更好。（3）基于主要因子不确定性的降水概率预报在贝叶斯概率预报系统（BFS）的理论框架下,利用IF-RBF作为BFS的似然函数,以实测降水量为后验信息,对降水主要影响因子先验信息进行贝叶斯修正,利用AM-MCMC获取了各月的蒸发量、平均气温、相对温度的后验密度。结合IF-RBF构建了考虑主要影响因子不确定性的降水概率预报模型（IFU-PBF）,最终得到各月降水的均值预报过程,和指定相应概率的置信区间,考虑了降水预报结果不确定度,达到降水概率预报之目的。IFU-PBF与传统IF-RBF的确定性预报结果相比,预报期IFU-PBF计算结果的各精度评价参数较均有所提高,纳什效率系数提高3%,均方根误差降低了51%,相关系数提高了2%。尤其对极值降水的适用性更好,极大值的预报相对误差平均提高55%,极小值的预报相对误差提高24%。考虑气象因子不确定性,开展降水的概率预报更符合降水及其影响因素的随机过程的本质,不仅能够满足预报精度,还考虑预报结果的不确定度。（4）基于AM-MCMC的集合预报模型在贝叶斯模型平均理论框架下,通过概率统计方法,考虑集合模型中单一模型权重的不确定性的定量表达,从而构建AM-MCMC-CM模型。并应用AM-MCMC-CM模型预测三江平原友谊农场的月降水量,并将其预测结果与IFU-PBF的预测结果进行比较。结果表明,考虑单一模型权重的不确定性的AM-MCMC-CM模型进一步提高了降水量预报的准确性。