Nash Model Parameter Uncertainty Analysis by AM-MCMC Based on BFS and Probabilistic Flood Forecasting

一个 hydrologic 模型由通常基于观察 hydrologic 进程被校准的几个参数组成。由于 hydrologic 过程的无常，模型参数也是不明确的，它进一步导致一个 hydrologic 模型的预报结果的无常。与贝叶斯的预报系统(BFS ) 工作， Markov 链蒙特卡罗模拟基于的适应宗主国方法(AM-MCMC ) 被用来学习纳什模型的参数无常，当预报的概率的洪水与纳什的参数的模仿的样品被做时，当模特儿。AM-MCMC 在这基于 BFS 建议了纸是合适的获得纳什的参数的以后的分发的表演根据参数的已知的信息建模的案例研究的结果。纳什模型和 AM-MCMC 的使用基于 BFS 能做概率的洪水预报以及发现洪水分泌物的平均数和变化，它可能是有用的估计洪水控制决定的风险。