作者：刘开磊; 胡友兵; 汪跃军; 王秀庆集合预报洪水预报不确定性权重淮河流域贝叶斯平均法
摘要：以淮河流域吴家渡水文站作为试验站点，采用基于贝叶斯平均法（BMA）的集合预报模型处理来源于马斯京根法、一维水动力学方法、BPNN（Back Propagation Neural Network）的预报流量序列，通过分析BMA的参数以及其预报结果，对各方法在淮河典型站点流量预报中的适用性进行验证与分析.经2003-2016年19场洪水模拟检验可知，BMA模型能够有效避免模型选择带来的洪水预报误差放大效应，可以提供高精度、鲁棒性强的洪水预报结果.通过进一步比较各模型统计最优的频率与BMA权重值之间的相关性，发现权重值不适用于对单场洪水预报精度评定，而适用于描述多场洪水预报中，模型为最优的统计频率；基于大量先验信息，提前获取BMA的权重等参数，将是指导模型选择、降低洪水预报不确定性、改进洪水预报技术的有效手段.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
