呂振豫　穆建新　王富強(qiáng)劉姍姍

摘要：基于貝葉斯網(wǎng)絡(luò)理論結(jié)合Copula函數(shù)建立了東江流域上、中、下游三個(gè)站點(diǎn)降雨、徑流豐枯遭遇的風(fēng)險(xiǎn)管理模型，直觀地描述了各個(gè)站點(diǎn)間降雨、徑流的相互關(guān)系。利用Copula函數(shù)建立聯(lián)合分布模型計(jì)算了站點(diǎn)間不同豐枯組合狀態(tài)調(diào)水不利情況的風(fēng)險(xiǎn)概率。通過貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的反向推理功能，以后驗(yàn)知識(shí)作為輸入，進(jìn)一步對(duì)流域內(nèi)未來調(diào)水可能面臨的豐枯遭遇情況進(jìn)行了仿真計(jì)算。結(jié)果表明，系統(tǒng)中一個(gè)節(jié)點(diǎn)的變化將會(huì)對(duì)其他節(jié)點(diǎn)的概率值產(chǎn)生巨大影響，以上、中游降雨為枯水情況作為后驗(yàn)輸入，站點(diǎn)間豐枯遭遇調(diào)水不利風(fēng)險(xiǎn)概率增幅至55%以上；仿真結(jié)果可以為流域內(nèi)調(diào)水方案的制定提供理論支撐。

關(guān)鍵詞：東江流域；Copula函數(shù)；貝葉斯網(wǎng)絡(luò)；豐枯遭遇；風(fēng)險(xiǎn)分析

中圖分類號(hào)：P333.9；X820.4 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：

16721683（2016）05001808

水文事件豐枯變化的差異性及不確定性，直接影響流域內(nèi)調(diào)、受水的可控水量，對(duì)工程調(diào)水風(fēng)險(xiǎn)、流域水資源配置產(chǎn)生重大影響。近年來，不同區(qū)域水文事件的豐枯遭遇問題引起了廣泛關(guān)注[14]，分析方法層出不窮。鄭紅星[5]和韓宇平[6]等通過建立聯(lián)合分布模型采用統(tǒng)計(jì)方法計(jì)算了南水北調(diào)調(diào)、受水區(qū)水文變量間的豐枯遭遇概率，這種統(tǒng)計(jì)方法雖然直觀易懂，但不適用于多維隨機(jī)變量遭遇研究，沒有考慮各變量間的相關(guān)關(guān)系。Copula函數(shù)作為一種新興的方法彌補(bǔ)了統(tǒng)計(jì)方法的不足，是一種將隨機(jī)變量聯(lián)合分布與各自邊緣分布相結(jié)合的理論聯(lián)合分布。目前基于二維及多維Copula函數(shù)建立豐枯遭遇聯(lián)合分布模型已得到大量實(shí)踐應(yīng)用[710]。此外，傳統(tǒng)風(fēng)險(xiǎn)分析方法只考慮采用降雨、徑流事件的先驗(yàn)概率計(jì)算風(fēng)險(xiǎn)，并沒有考慮后驗(yàn)知識(shí)；貝葉斯網(wǎng)絡(luò)作為一種基于貝葉斯條件概率的風(fēng)險(xiǎn)分析方法，既考慮了先驗(yàn)風(fēng)險(xiǎn)概率，又可以利用后驗(yàn)信息進(jìn)行仿真模擬[11]，在水文事件豐枯遭遇風(fēng)險(xiǎn)分析中有其顯著的優(yōu)勢?？盗岬萚12]運(yùn)用貝葉斯網(wǎng)絡(luò)理論建立了南水北調(diào)中線水源區(qū)與受水區(qū)降水豐枯遭遇風(fēng)險(xiǎn)管理模型，充分利用貝葉斯網(wǎng)絡(luò)的情景仿真和后驗(yàn)推理功能，模擬了不同豐枯組合對(duì)調(diào)水的影響；Daniel[13]利用并驗(yàn)證了非參數(shù)蒙特卡洛貝葉斯理論在洪水頻率分析中的獨(dú)特優(yōu)勢；H.van de Vyver[14]利用貝葉斯網(wǎng)絡(luò)的后驗(yàn)推理功能對(duì)降雨極值強(qiáng)度持續(xù)時(shí)間頻率相關(guān)關(guān)系進(jìn)行了分析，并與傳統(tǒng)方法進(jìn)行對(duì)比驗(yàn)證了貝葉斯方法的優(yōu)越性。本文以東江流域上游龍川站、中游河源站及下雨博羅站實(shí)測降雨、徑流數(shù)據(jù)為研究對(duì)象，運(yùn)用Copula函數(shù)結(jié)合貝葉斯網(wǎng)絡(luò)建立流域內(nèi)豐枯遭遇風(fēng)險(xiǎn)管理模型，為流域內(nèi)水資源優(yōu)化配置決策提供理論支持，具有重要的理論意義和實(shí)踐意義。

1 數(shù)據(jù)和方法

1.1 數(shù)據(jù)來源

本文所用數(shù)據(jù)均由廣東省氣象局提供，包括東江流域上游龍川站、中游河源站以及下游博羅站三個(gè)代表性水文站點(diǎn)1956年-2005年年尺度實(shí)測降雨、徑流資料。流域概況及水文站點(diǎn)分布情況見圖1。

1.2 研究方法

1.2.1 二維Copula函數(shù)理論

Copula函數(shù)是定義在[0，1]區(qū)間上均勻分布的多維聯(lián)合分布函數(shù)，其主要構(gòu)造形式如下：

1.2.3 多維Copula函數(shù)

三維及多維Copula函數(shù)的構(gòu)造形式與二維情況類似，篇幅限制這里不再贅述，其構(gòu)造形式詳見文獻(xiàn)[17]。對(duì)于多維Copula函數(shù)的參數(shù)估計(jì)（以三維為例），不能直接利用參數(shù)與變量的Kendall秩相關(guān)[CM（22]系數(shù)的關(guān)系直接計(jì)算，一般采用兩階段極大似然進(jìn)

1.2.4 貝葉斯網(wǎng)絡(luò)概述

貝葉斯網(wǎng)絡(luò)[18]簡稱BN，是基于貝葉斯定理和條件概率建立的有向無環(huán)圖，它由代表變量的節(jié)點(diǎn)和連接各節(jié)點(diǎn)的有向邊構(gòu)成，以圖形化的形式直觀地表達(dá)系統(tǒng)內(nèi)各元素之間的相互影響關(guān)系。一個(gè)完整的貝葉斯網(wǎng)絡(luò)模型由網(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)參數(shù)兩部分組成。圖2所示為一個(gè)6節(jié)點(diǎn)貝葉斯網(wǎng)絡(luò)模型，可用N=〈〈V，E〉，P〉表示[19]，其中：

（1）〈V，E〉表示網(wǎng)絡(luò)結(jié)構(gòu)有向無環(huán)圖。圖中節(jié)點(diǎn)V={V1，V2，…，V6}表示變量，節(jié)點(diǎn)間的有向邊E代表變量間的相關(guān)關(guān)系。對(duì)于有向邊（Vi，Vj），Vi稱為Vj的父節(jié)點(diǎn)，Vj則為Vi的子節(jié)點(diǎn)，沒有父節(jié)點(diǎn)的稱為根節(jié)點(diǎn)（V1），沒有子節(jié)點(diǎn)的稱為葉節(jié)點(diǎn)（V6）。規(guī)定Vi的父節(jié)點(diǎn)集合及非后代節(jié)點(diǎn)集合分別用fa（Vi）和A（Vi）表示，則貝葉斯網(wǎng)絡(luò)系統(tǒng)包含如下條件假設(shè)：

P（Vi|fa（Vi），A（Vi））=P（Vi|fa（Vi））[JY]（6）

即，在給定父節(jié)點(diǎn)情況下，子節(jié)點(diǎn)與其非父節(jié)點(diǎn)條件獨(dú)立。

（2）P表示系統(tǒng)根節(jié)點(diǎn)概率和非根節(jié)點(diǎn)條件概率。由條件獨(dú)立性假設(shè)可知，非根節(jié)點(diǎn)的條件概率分布可用P（Vi|pa（Vi））表示，表達(dá)了節(jié)點(diǎn)與其父節(jié)點(diǎn)的相關(guān)關(guān)系。給定根節(jié)點(diǎn)先驗(yàn)概率及非根節(jié)點(diǎn)條件概率分布，可據(jù)此計(jì)算包含所有節(jié)點(diǎn)的聯(lián)合概率分布，圖2所示包含全部節(jié)點(diǎn)的聯(lián)合概率分布函數(shù)為：

2 結(jié)果分析

2.1 多情境豐枯遭遇組合概率

流域內(nèi)降雨、徑流的豐枯變化受地區(qū)氣候特性

及下墊面等的影響，不同區(qū)間的遭遇概率往往是隨機(jī)的。上游出現(xiàn)某一量級(jí)枯水年情況時(shí)，中、下游可能出現(xiàn)不同量級(jí)的豐、枯情況。為定量分析流域內(nèi)不同區(qū)間降雨、徑流的豐枯遭遇情況，計(jì)算其遭遇概率及條件概率，文中采用Copula函數(shù)，通過建立豐枯遭遇理論聯(lián)合分布模型進(jìn)行研究。頻率分析中我國一般采用PⅢ曲線作為降雨、徑流的邊緣分布，其構(gòu)造形式如下：

利用線性矩法計(jì)算得到流域上、中、下游三個(gè)站點(diǎn)降雨、徑流的參數(shù)估計(jì)結(jié)果見表2。分析可知，流域內(nèi)年降雨量上游龍川站最小為1 61018 mm，中游河源站最大達(dá)1 85065 mm；徑流量從上游到下游程遞增趨勢，變異系數(shù)分別為04、062和022，說明徑流變化在空間上屬于中等變異。

采用單參數(shù)ArchimedeanCopula函數(shù)建立降雨、徑流豐枯遭遇的聯(lián)合分布函數(shù)，不同Copula函數(shù)的擬合優(yōu)度情況與隨機(jī)變量的相關(guān)性有關(guān)[20]。考慮到流域內(nèi)降雨、徑流存在較強(qiáng)正相關(guān)性，結(jié)合幾種Copula函數(shù)的構(gòu)造形式及其參數(shù)估計(jì)方法，文中選取Clayton Copula函數(shù)作為兩站點(diǎn)降雨、徑流豐枯遭遇聯(lián)合分布模型的構(gòu)造函數(shù)；三站點(diǎn)豐枯遭遇組合則選取GumbelHougaard Copula函數(shù)構(gòu)造；各站點(diǎn)組合copula聯(lián)合分布函數(shù)參數(shù)估計(jì)結(jié)果見表3。

2.2 豐枯遭遇條件概率

基于貝葉斯網(wǎng)絡(luò)建立豐枯遭遇的風(fēng)險(xiǎn)管理模型，需要確定站點(diǎn)間降雨、徑流豐枯遭遇的條件概率作為網(wǎng)絡(luò)的初始參數(shù)。以已知上游來水情況，中、下游遭遇條件概率計(jì)算為例，公式如下：

采用GumbelHougaard Copula函數(shù)構(gòu)造三站點(diǎn)降雨、徑流豐枯遭遇理論聯(lián)合分布，其與經(jīng)驗(yàn)頻率的擬合情況見圖5、圖7，觀察可知，理論分布與經(jīng)驗(yàn)頻率擬合情況良好。圖6、圖8所示為上游龍川站降雨、徑流為枯水情況下，中游河源站與下游博羅站不同量級(jí)降雨、徑流遭遇的條件概率等值線，可從圖中直接定量出某一固定值豐枯遭遇條件概率大小。如，上游徑流為枯水情況，中、下游同為枯水時(shí)的概率P（Y≤y37.5%，Z≤z37.5%|X≤x37.5%）=P（Y≤128.03，Z≤210.66|X≤55.36）=0.685。此外，對(duì)比分析圖4和圖8，已知上游徑流為枯水情況，中、下游河源、博羅站不同量級(jí)徑流遭遇條件概率等值線有明顯的前移趨勢，等值線密集程度增加，中、下游徑流同豐概率由0260降低到0003，同枯風(fēng)險(xiǎn)概率由原來的0293增加到現(xiàn)在的0685，增長了近25倍，調(diào)水不利風(fēng)險(xiǎn)急劇增大。

2.3 流域內(nèi)豐枯遭遇風(fēng)險(xiǎn)管理模型建立

利用貝葉斯網(wǎng)絡(luò)構(gòu)造流域內(nèi)豐枯遭遇的風(fēng)險(xiǎn)管理模型一般包括三個(gè)步驟：（1）確定網(wǎng)絡(luò)結(jié)構(gòu)；（2）確定初始網(wǎng)絡(luò)參數(shù)；（3）根據(jù)后驗(yàn)知識(shí)進(jìn)行仿真推理。

2.3.1 初始網(wǎng)絡(luò)結(jié)構(gòu)確定

對(duì)于網(wǎng)絡(luò)結(jié)構(gòu)的確定有兩種方法[22]，一種是利用大量的實(shí)測數(shù)據(jù)通過不同的優(yōu)化算法進(jìn)行結(jié)構(gòu)學(xué)習(xí)，確定最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)模型，這種方法是在大量數(shù)據(jù)的基礎(chǔ)上實(shí)現(xiàn)的；第二種方法是根據(jù)專家知識(shí)結(jié)合數(shù)據(jù)間的相關(guān)關(guān)系，直接勾畫出網(wǎng)絡(luò)結(jié)構(gòu)，這種方法對(duì)數(shù)據(jù)的多少要求不高，計(jì)算簡便。本文使用第二種方法構(gòu)造流域內(nèi)降雨、徑流豐枯遭遇的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)模型，結(jié)合流域上、中、下游站點(diǎn)降雨、徑流的豐枯遭遇關(guān)系，確定貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)模型見圖9。網(wǎng)絡(luò)結(jié)構(gòu)圖充分說明了上、中、下游降雨、徑流之間的內(nèi)在聯(lián)系，上游龍川站降雨為根節(jié)點(diǎn)A1，其子節(jié)點(diǎn)包括河源站降雨B1、博羅站降雨C1以及龍川站徑流A2；葉子節(jié)點(diǎn)D1、D2、D3、D4為各站點(diǎn)徑流豐枯遭遇對(duì)調(diào)水不利的風(fēng)險(xiǎn)概率。

2.3.2 確定網(wǎng)絡(luò)參數(shù)

貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的參數(shù)包括各節(jié)點(diǎn)的先驗(yàn)概率及非根節(jié)點(diǎn)的條件概率。根據(jù)實(shí)測資料計(jì)算得各站點(diǎn)降雨、徑流發(fā)生豐、平、枯情況的概率，結(jié)合Copula函數(shù)計(jì)算得到各種組合情況的豐枯遭遇概率，輸入到網(wǎng)絡(luò)結(jié)構(gòu)中得到貝葉斯網(wǎng)絡(luò)初始模型詳見圖10。鑒于東江流域內(nèi)已建成楓樹壩水庫、新豐江水庫等具有年調(diào)節(jié)功能的大型水庫，規(guī)定，兩個(gè)或兩個(gè)以上站點(diǎn)同為枯水年是對(duì)調(diào)水構(gòu)成風(fēng)險(xiǎn)的情況，其中，三站同枯為調(diào)水最不利情況。分析圖10可知，河源站降雨枯水情況發(fā)生概率為40%，易于豐水情況發(fā)生；博羅站降雨枯水情況發(fā)生概率36%，難于豐水情況發(fā)生，說明流域內(nèi)降雨在空間上存在差異性；流域內(nèi)徑流三站點(diǎn)豐、平、枯水情況發(fā)生概率大致相同；龍河徑流遭遇調(diào)水不利風(fēng)險(xiǎn)概率27%，龍博、河博徑流遭遇調(diào)水不利風(fēng)險(xiǎn)概率均為29%，調(diào)水最不利情況（三站同枯）發(fā)生概率26%，表明流域內(nèi)基本可以實(shí)現(xiàn)正常調(diào)水。

2.3.3 仿真模擬

利用貝葉斯網(wǎng)絡(luò)構(gòu)造流域內(nèi)降雨、徑流的豐枯遭遇風(fēng)險(xiǎn)管理模型，不僅可以通過實(shí)測數(shù)據(jù)計(jì)算各站點(diǎn)豐枯遭遇調(diào)水不利情況的發(fā)生概率（先驗(yàn)概率），還可以通過預(yù)測某一節(jié)點(diǎn)或者某幾個(gè)節(jié)點(diǎn)的發(fā)生情況，作為后驗(yàn)信息輸入到網(wǎng)絡(luò)模型中，利用貝葉斯網(wǎng)絡(luò)的反向推理功能，推測出這一節(jié)點(diǎn)變化對(duì)其他節(jié)點(diǎn)條件概率的影響，為決策者制定應(yīng)急方案提供數(shù)據(jù)支撐。為充分體現(xiàn)貝葉斯網(wǎng)絡(luò)仿真模擬在流域內(nèi)降雨、徑流豐枯遭遇分析中的優(yōu)越性，本文以龍川站降雨為枯水和龍川、河源降雨均為枯水兩種情境作為后驗(yàn)信息輸入到貝葉斯網(wǎng)絡(luò)中進(jìn)行仿真研究。

（1）第一次仿真模擬：將龍川站降雨為枯水情況這一后驗(yàn)信息輸入到網(wǎng)絡(luò)結(jié)構(gòu)中得到仿真計(jì)算結(jié)果見圖11。對(duì)比圖10分析可知，當(dāng)輸入龍川站降雨為枯水這一后驗(yàn)信息后，其他節(jié)點(diǎn)各種情況的發(fā)生概率均發(fā)生較大變化。以三站點(diǎn)降雨及調(diào)水風(fēng)險(xiǎn)發(fā)生概率為例，只輸入先驗(yàn)知識(shí)情況下，河源站降雨豐、枯水情況發(fā)生概率分別為34%、40%；博羅站降雨豐、枯水發(fā)生概率分別為42%、36%；幾種調(diào)水不利情況風(fēng)險(xiǎn)概率均低于30%。輸入龍川站降雨為枯水這一后驗(yàn)知識(shí)后，河源站豐、枯水情況發(fā)生概率分別為8%、75%；博羅站發(fā)生概率為17%、63%；調(diào)水不利風(fēng)險(xiǎn)概率基本在50%以上；各站點(diǎn)枯水情況發(fā)生概率有大幅度增加。

（2）第二次仿真模擬：貝葉斯網(wǎng)絡(luò)構(gòu)造風(fēng)險(xiǎn)管理模型對(duì)輸入后驗(yàn)知識(shí)的節(jié)點(diǎn)個(gè)數(shù)沒有限制，可能出現(xiàn)同時(shí)輸入多節(jié)點(diǎn)后驗(yàn)知識(shí)的情況。以輸入兩個(gè)節(jié)點(diǎn)的后驗(yàn)知識(shí)為例，將龍川、河源站降雨均為枯水這一后驗(yàn)知識(shí)輸入到初始網(wǎng)絡(luò)結(jié)構(gòu)中，得到第二次仿真模擬結(jié)果見圖12。對(duì)比初始網(wǎng)絡(luò)模型（圖10）分析可知，輸入龍川、河源站為枯水情況這一后驗(yàn)知識(shí)后，博羅站降雨及三個(gè)站點(diǎn)徑流枯水情況的發(fā)生概率均有大幅度增加，達(dá)到65%以上；博羅站徑流枯水情況發(fā)生概率增幅最大，由原來的28%，增加到現(xiàn)在的82%，受上、中游降雨變化影響最為嚴(yán)重。就調(diào)水風(fēng)險(xiǎn)來看，各站點(diǎn)豐枯遭遇調(diào)水不利風(fēng)險(xiǎn)概率均超過55%，其中河源博羅站調(diào)水不利情況最易發(fā)生，風(fēng)險(xiǎn)概率達(dá)67%；三站點(diǎn)同枯風(fēng)險(xiǎn)發(fā)生概率63%。針對(duì)這一情況，當(dāng)氣象部門偵測到流域上、中游降雨同為枯水情況時(shí)，相關(guān)部門需要制定出具有針對(duì)性的應(yīng)急預(yù)案措施。

3 結(jié)論

針對(duì)流域內(nèi)不同區(qū)間降雨、徑流的豐枯遭遇組合狀況，以東江流域上游龍川站、中游河源站及下游博羅站年尺度降雨、徑流為研究對(duì)象，運(yùn)用Copula函數(shù)方法建立了流域內(nèi)不同站點(diǎn)降雨、徑流豐枯遭遇組合的聯(lián)合分布模型，結(jié)合貝葉斯網(wǎng)絡(luò)理論以實(shí)測資料及Copula函數(shù)計(jì)算概率作為先驗(yàn)知識(shí)輸入，構(gòu)建了流域內(nèi)三個(gè)站點(diǎn)降雨、徑流豐枯遭遇的風(fēng)險(xiǎn)管理模型。通過模型計(jì)算，不考慮后驗(yàn)知識(shí)的情況下，各種組合調(diào)水不利風(fēng)險(xiǎn)發(fā)生概率在25%～30%之間。利用貝葉斯網(wǎng)絡(luò)的反向推理功能，分別以上游龍川站降雨為枯水和上游龍川站、中游河源站降雨同為枯水兩種情境作為后驗(yàn)知識(shí)輸入網(wǎng)絡(luò)結(jié)構(gòu)，對(duì)流域內(nèi)可能發(fā)生的豐枯組合狀態(tài)進(jìn)行仿真模擬計(jì)算。計(jì)算結(jié)果顯示，①輸入上游龍川站為枯水情況時(shí)，各站點(diǎn)豐枯遭遇組合調(diào)水不利風(fēng)險(xiǎn)概率達(dá)到50%左右，其中三站同枯調(diào)水最不利風(fēng)險(xiǎn)發(fā)生概率達(dá)54%；②輸入上游龍川站、中游河源站降雨同枯情況時(shí)，站點(diǎn)間降雨、徑流豐枯遭遇調(diào)水不利風(fēng)險(xiǎn)概率增加到60%左右，其中河源博羅站調(diào)水不利風(fēng)險(xiǎn)概率最大，達(dá)67%；文中不同情境下降雨、徑流豐枯遭遇概率和條件概率的計(jì)算結(jié)果以及基于貝葉斯模型的仿真模擬結(jié)果，為流域內(nèi)水資源的合理調(diào)配及可持續(xù)利用提供理論支撐，具有理論和實(shí)踐意義。

參考文獻(xiàn)（References）：

[1] 冉啟香，張翔.多變量水文聯(lián)合分布方法及Copula函數(shù)的應(yīng)用研究[J].水電能源科學(xué)，2010，28（9）：811.（RAN Qixiang，ZHANG Xiang.Review on methods of multivariate hydrological joint distribution and Copula function[J].Water Resources and Power，2010，28（9）：811.（in Chinese））

[2] 費(fèi)永法.多元隨機(jī)變量的條件概率計(jì)算方法及其在水文中的應(yīng)用[J].水利學(xué)報(bào)，1995（8）：6066.（FEI Yongfa.A method for estimating the conditional probability of multirandom variables and its application in hydrology[J].Journal of Hydraulic Engineering，1995（8）：6066.（in Chinese））

[3] Grimaldi S，Serinaldi F.Asymmetric copula in multivariate flood frequency analysis[J].Advances in Water Resources，2006，29（8）：11551167.

[4] 戴昌軍，梁忠民.多維聯(lián)合分布計(jì)算方法及其在水文中的應(yīng)用[J].水利學(xué)報(bào)，2006，37（2）：160165.（DAI Changjun，LIANG Zhongmin.Computation methods of multivariate joint probability distribution and their applications in hydrology[J].Journal of Hydraulic Engineering，2006，37（2）：160165.（in Chinese））

[5] 鄭紅星，劉昌明.南水北調(diào)東中兩線不同水文區(qū)降水豐枯遭遇性分析[J].地理學(xué)報(bào)，2000，55（5）：523532.（ZHENG Hongxing，LIU Changming.Analysis on asynchronismsynchronism of regional precipitation in planned SouthtoNorth Water Transfer Areas[J].Acta Geographica Sinica，2000，55（5）：523532.（in Chinese））

[6] 韓宇平，蔣任飛，阮本清.南水北調(diào)中線水源區(qū)與受水區(qū)豐枯遭遇分析[J].華北水利水電學(xué)院學(xué)報(bào)，2007，28（1）：811.（HAN Yuping，JIANG Renfei，RUAN Benqing.Analysis on wetnessdryness encountering of runoff flow between water source region and receiving water region in the Middle Route of the SouthtoNorth Water Transfer Project[J].Journal of North China Institute of Water Conservancy and Hydroelectric Power，2007，28（1）：811.（in Chinese））

[7] 閆寶偉，郭生練，肖義.南水北調(diào)中線水源區(qū)與受水區(qū)降水豐枯遭遇研究[J].水利學(xué)報(bào)，2007，38（10）：11781185.（YAN Baowei，GUO Shenglian，XIAO Yi.Synchronousasynchronous encounter probability of richpoor precipitation between water source area and water receiving areas in the Middle Route of SouthtoNorth Water Transfer Project[J].Journal of Hydraulic Engineering，2007，38（10）：11781185.（in Chinese））

[8] 馮平，李新.基于Copula函數(shù)的非一致性洪水峰量聯(lián)合分析[J].水利學(xué)報(bào)，2013，44（10）：11371147.（FENG Ping，LI Xin.Bivariate frequency analysis of nonstationary flood time series based on Copula methods[J].Journal of Hydraulic Engineering，2013，44（10）：11371147.（in Chinese））

[9] 楊志勇，袁喆，方宏陽，等.基于Copula函數(shù)的灤河流域旱澇組合事件概率特征分析[J].水利學(xué)報(bào)，2013，44（5）：556562.（YANG Zhiyong，YUAN Zhe，F(xiàn)ANG Hongyang，et al.Study on the characteristic of multiply events of drought and flood probability in Luanhe River Basin based on Copula[J].Journal of Hydraulic Engineering，2013，44（5）：556562.（in Chinese））

[10] 馮平，牛軍宜，張永，等.南水北調(diào)西線工程水源區(qū)河流與黃河的豐枯遭遇分析[J].水利學(xué)報(bào)，2010，41（8）：900907.（FENG Ping，ZHU Yijun，ZHANG Yong，et al.Analysis of wetnessdryness encountering probability among water source rivers and the Yellow River in the Western Route of SouthtoNorth Water Transfer Project[J].Journal of Hydraulic Engineering，2010，41（8）：900907.（in Chinese））

[11] 康玲，何小聰.南水北調(diào)中線降水豐枯遭遇風(fēng)險(xiǎn)分析[J].水科學(xué)進(jìn)展，2011，22（1）：4450.（ZHANG Ling，HE Xiaocong.Risk analysis of synchronousasynchronous encounter probability of richpoor precipitation in the Middle Route of Southto North Water[J].Advances in Water Science，2011，22（1）：4450.（in Chinese））

[12] 康玲，何小聰，熊其玲.基于貝葉斯網(wǎng)絡(luò)理論的南水北調(diào)中線工程水源區(qū)與受水區(qū)降水豐枯遭遇風(fēng)險(xiǎn)分析[J].水利學(xué)報(bào)，2010，41（8）：908913.（KANG Ling，HE Xiaocong，XIONG Qiling.Risk analysis for precipitation richpoor encounter between source area and receiving area of the Middle Route of SouthtoNorth Water Transfer Project Based on Bayesnet theory[J].Journal of Hydraulic Engineering，2010，41（8）：908913.（in Chinese））

[13] O′Connell D R H.Nonparametric Bayesian flood frequency estimation[J].Journal of Hydrology，2005，313（s 12）：7996.

[14] H.Van de Vyver.Bayesian estimation of rainfall intensitydurationfrequency relationships[J].Journal of Hydrology，2015：14511463.

[15] 張雨，宋松柏.基于Archimedean Copula的三維干旱特征變量聯(lián)合分布研究[J].中國農(nóng)村水利水電，2011（1）：6568.（ZHANG Yu，SONG Songbai.Research on threedimensional joint distribution of drought characteristics based on Archimedean Copulas[J].China Rural Water and Hydropower，2011（1）：6568.（in Chinese））

[16] 張冬冬，魯帆，嚴(yán)登華，等.基于Archimedean Copula函數(shù)的洪水多要素聯(lián)合概率分布研究[J].中國農(nóng)村水利水電，2015（1）：6874.（ZHANG Dongdong，LU Fan，YAN Denghua，et al.Research on multidimensional joint distribution of flood characteristics based on Archimedean Copula[J].China Rural Water and Hydropower，2015（1）：6874.（in Chinese））

[17] NELSON R B.An introduction to copulas[M].New York：Springer，2006.

[18] Murphy K P.A brief introduction to graphical models and bayesian networks[J].Borgelt Net，1998.

[19] 周忠寶，馬超群，周經(jīng)倫，等.基于貝葉斯網(wǎng)絡(luò)的多態(tài)故障樹分析方法[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2008，38（19）：8995.（ZHOU Baozhong，MA Chaoqun，ZHOU Jinglun，et al.Multistate fault tree analysis method based on Bayesian Networks[J].Mathematics in Practice and Theory，2008，38（19）：8995.（in Chinese））

[20] 謝華，羅強(qiáng)，黃介生.基于三維copula函數(shù)的多水文區(qū)豐枯遭遇分析[J].水科學(xué)進(jìn)展，2012，23（2）：186193.（XIE Hua，LUO Qiang，HUANG Jiesheng.Synchronous asynchronous encounter analysis of multiple hydrologic regions based on 3 D copula function[J].Advances in Water Science，2012，23（2）：186193.（in Chinese））

[21] Singh V P，Zhang L.Bivariate Flood Frequency Analysis Using the Copula Method[J].Journal of Hydrologic Engineering，2006，11（2）：150164.

[22] 張兵利，裴亞輝.貝葉斯網(wǎng)絡(luò)模型概述[J].電腦與信息技術(shù)，2008，16（5）：4142.（ZHANG Bingli，PEI Yahui.Summary of Bayesian Network[J].Computer and Information Technology，2008，16（5）：4142.