基于隐马尔可夫模型的水文状态识别及应用OA

在气候变化和人类活动双重影响下,流域降雨径流关系呈现非平稳性特征,传统稳态假设的水文模型难以捕捉系统的结构性跃迁,导致径流模拟性能下降。本文以水文状态作为非平稳性的表征形式,构建了1—3状态的隐马尔可夫模型(HMM),采用维特比算法识别流域水文状态及其演化路径,并将解码得到的水文状态结果引入径流模拟过程以应对非平稳性影响。基于CAMELS数据库240个典型流域开展试验,结果显示:约22.5%的流域具有显著多状态水文特征;引入水文状态约束的多状态模型在概率模拟与确定性模拟中均表现出显著优势,不确定区间覆盖率较单状态模型平均提升约30%;纳什效率系数由0.45提升至0.83(增幅约84%),均方根误差平均降低约49%。研究表明:基于HMM的水文状态识别方法能够有效捕捉水文状态跃迁,将状态信息纳入模拟过程有助于提升非平稳条件下的径流模拟性能,为变化环境下水文模拟提供新路径。