Page 52 - 水文预报与水资源优化管理技术

第一章 概论

4. 分布式水文模型的一般结构
分布式水文模型一般可分为纯物理模型和半物理模型两种形式。从功能上来

说，分布式水文模型包括功能不同且相对独立的子系统，每一个子系统从数学上
描述水文循环的一个子过程。尽管可用不同的方式描述水文过程，但模型的基本

构架大同小异。
5. 模型验证

分布式模型参数多，数据输入量庞大，计算时间长，模型验证困难。严格地
说模型验证原则上是不可行的。我们所说的模型验证即证明特定的模型可得出符

合特定性能标准精度要求的模拟结果，实际上是观测模型成功验证的数量和概
率，进而确定模型的可靠性。为了证明校准后模型的实用性，必须用不同于校准

的数据来进行验证。
（二）分布式水文模型误差分析

模型预测精度是评价和衡量一个模型质量好坏的关键性指标，也是一个模型
能否被同行业人员认可和接受的决定性因素。分布式水文模型涉及参数和影响因

素较多，对分布式水文模型进行误差分析不但可以优化模型参数，而且可以更加
清楚建模目的、原理和建模思路，优化模型结构，提高模型预测精度。模型建模

工作中，误差源是大量的。分布式水文模型的误差来源主要有以下几个方面。
1. 被排除在外的因素引起的误差

在建模时，每个环节都有许多影响因子，把每个因子都引入到模型中是不现

实的，也是不可能做到的。所以就要对影响因子有所选择，有所抛弃，被抛弃的
因子会给模型预报带来一定的影响，产生一定量的预测误差。此类误差是不可能

完全消除和避免的，主要的分析方法有主成分分析法和专家打分法。主成分分析
法是指通过对一组变量的几个线性组合来解释这组变量的方差和协方差结构，以

达到数据的压缩和数据的解释的目的。专家打分法是通过建立专家打分模型的方
法以确定模型中各因子的敏感性评价值和权重，进而确定选取的敏感性因子。通

过各位专家单独确定的各模型因子的敏感性评价值和权重，进行汇总和分析，即

045