水文模拟中产生的误差,是水文不确定的重要来源。对不确定性进行深入分析,可以提高预报的精度和可靠性。而以定量的、以概率分布的形式描述水文预报不确定性,可以提供更丰富的信息,考虑各种可能的风险,为防汛抗旱、水资源管理决策提供帮助。通用线性模型是一个对由水文模型产生的有偏差的流量模拟进行后处理的统计模型。它是利用统计手段,提取出历史观测与模型模拟相对应的特性和趋势,来消除水文模拟中的误差,得到更加准确的水文预报。它不仅能够消除原始模拟中的偏差,同时还保留了原始预报的技巧,并且还可以产生可靠的水文集合预报。本文是对通用线性模型(General Linear Model,GLM)水文集合预报后处理器进行的进一步试验。试验中选用MOPEX试验中一个流域的每日流量观测数据与SAC模型的每日模拟流量数据。模拟数据分为率定过的模型产生的模拟值和未率定过的模型的模拟值两种。两种数据的时间长度都为36年(1962-1997)。本文是将资料分为分析期资料和验证期资料,通过使用分析期资料来率定GLM后处理器的参数,然后用率定好的GLM模型对验证期资料进行后处理,产生校正后的预报期模拟流量和模拟流量的集合预报,通过两种误差不同的数据产生的结果比较来检验GLM后处理器对于不同类型的模拟资料的处理能力和适应性。试验结果表明,GLM后处理器可以有效地衡量水文模拟的不确定性,降低水文模拟中的偏差,产生更接近真实情况的水文预报。经过校正后的模拟值在累积分布函数,均方根误差等检验指标方面都更加接近于实际观测值的气候概率分布和均方根误差等指标。同时GLM后处理器可以产生可靠的水文流量集合预报,集合预报的连续分级概率评分都维持在比较低的水平,证明预报结果是可靠的。即使是对于率定过的水文模型产生的较好的水文模拟,GLM后处理器仍有将其改进的能力,结果显示使用率定过资料的处理结果改进程度虽然没有使用未率定过资料的结果那么显著,但还是有一定改善的。同时通过结果对比发现:并不是所有模型产生的有偏差的水文模拟经过GLM处理都能得到改善,有少数后处理的结果与原模拟值相比几乎没有改善。