基于核密度估计的AM-MCMC算法在径流模拟中的应用  

AM-MCMC Algorithm for Runoff Simulation Model Based on Kernel Density Estimation

作　　者：童坤[1,2] 刘恒 耿雷华[1] 徐澎波[1] 

机构地区：[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

出　　处：《长江科学院院报》2018年第1期36-39,46,共5页Journal of Changjiang River Scientific Research Institute

基　　金：南京水利科学研究院院基金项目(Y516011);水利部公益性项目(201201020)

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。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.

关 键 词：径流模拟 概率分布 核密度估计 AM-MCMC算法 罗岙水库 

分 类 号：TV214[水利工程—水文学及水资源]