长江科学院院报 ›› 2018, Vol. 35 ›› Issue (1): 36-39.DOI: 10.11988/ckyyb.20160843

• 水资源与环境 • 上一篇    下一篇

基于核密度估计的AM-MCMC算法在径流模拟中的应用

童坤1, 2, 刘恒1, 耿雷华1, 徐澎波1   

  1. 1.南京水利科学研究院 水文水资源与水利工程科学国家重点实验室, 南京 210029;
    2.中国科学院南京地理与湖泊研究所 中国科学院流域地理学重点实验室,南京 210008
  • 收稿日期:2016-08-17 出版日期:2018-01-01 发布日期:2018-01-11
  • 作者简介:童 坤(1986-),女,江苏高邮人,工程师,博士,主要从事水资源配置方面的研究工作。E-mail:tongkun0502@hotmail.com
  • 基金资助:
    南京水利科学研究院院基金项目(Y516011);水利部公益性项目(201201020)

AM-MCMC Algorithm for Runoff Simulation ModelBased on Kernel Density Estimation

TONG Kun1,2, LIU Heng1, GENG Lei-hua1, XU Peng-bo1   

  1. 1.State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering, Nanjing Hydraulic ResearchInstitute, Nanjing 210029, China;
    2.Key Laboratory of Watershed Geographic Science, Nanjing Institute ofGeography and Limnology, Chinese Academy of Sciences, Nanjing 210008, China
  • Received:2016-08-17 Online:2018-01-01 Published:2018-01-11

摘要: 无资料或资料稀缺地区的径流概率模拟, 是目前水文研究难点问题之一。 基于此, 利用Kernal核密度估计法估算出流量的月径流概率密度函数, 采用基于自适应采样算法(Adaptive Metropolis algorithm, AM)的马尔可夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)模拟方法求解, 最后给出月径流量的模拟预测。 实例表明基于Kernel核密度估计的AM-MCMC算法模型计算结果精度较高, 有良好的应用价值, 可在资料较少地区推广使用。

关键词: 径流模拟, 概率分布, 核密度估计, AM-MCMC算法, 罗岙水库

Abstract: The simulation of runoff probability in an area in lack of runoff data is a difficulty in hydrological research. In this article, we try to establish the probability density function of monthly runoff flow by adopting kernal density estimation method, and give the solution by Markov Chain Monte Carlo (MCMC) simulation method based on Adaptive Metropolis (AM) algorithm. Case study shows that the AM-MCMC algorithm model based on kernel density estimation is of high accuracy and good application value. It can be used in areas in lack of data.

Key words: runoff simulation, probability distribution, kernel density estimation, AM-MCMC algorithm, Luo’ao Reservoir

中图分类号: