本章研究并对比分析了以下两条洪水概率预报模型。

一是基于预报误差分析的洪水概率预报途径，不涉及预报的中间环节，只对预报结果进行分析，定量评估预报结果的不确定性，并在此基础上实现洪水概率预报。选取淮河干流主要控制断面（王家坝、润河集、鲁台子）进行实例应用。首先分别采用经验相关模型和新安江模型进行洪水预报，预报精度较高。其次，以单个水文模型（经验相关模型或新安江模型）的预报结果为输入，采用改进的贝叶斯概率预报系统（PCA-HUP），实现洪水概率预报。采用贝叶斯模型平均（BMA）方法，综合经验相关模型和新安江模型的预报结果，并得到预报量的概率分布，实现概率预报。结果表明：HUP-PCA模型较BMA模型预报精度更高，更适用于研究区域的洪水概率预报；同时，PCA-HUP模型计算耗时短，具备良好的移植性，可以应用于各个流域的实时洪水预报。(www.daowen.com)

二是基于要素耦合的洪水概率预报途径，识别降雨-径流过程各环节的不确定性要素，将洪水预报不确定性来源概括为面雨量计算不确定性和模型参数不确定性。选取淮河上游黄泥庄流域进行示例研究。首先，借鉴抽站法原理，反推面均雨量真值的条件概率分布，实现降雨输入不确定性的概率描述；其次，在贝叶斯理论的基础上，采用马尔可夫链蒙特卡罗方法（MCMC），确定模型参数的概率分布，实现模型参数不确定性的定量描述；最后，采用随机抽样方法，耦合降雨输入和模型参数不确定性，并在此基础上实现洪水概率预报。结果表明：这种方法可以分别定量各不确定性要素对预报结果的影响，是对洪水预报不确定性来源的初步探索。但是，这种方法需要考虑的因素较多，移植性欠佳，且计算耗时较长，无法应用于作业预报。因此，在实际应用中仍然采用第一条途径的PCA-HUP模型进行洪水概率预报。