摘要：耦合降水集合預(yù)報(bào)信息與水文模型是水文預(yù)報(bào)發(fā)展的一個(gè)重要方向。然而由于大氣運(yùn)行初始條件及模式的不確定性數(shù)值降雨預(yù)報(bào)不可避免地存在誤差。基于全球集合預(yù)報(bào)系統(tǒng)(GFS)提供的1~8d預(yù)見期的降雨集合預(yù)報(bào)數(shù)據(jù),研究了基于擴(kuò)展型Logistic算法和異方差擴(kuò)展型Logistic算法發(fā)展的5個(gè)統(tǒng)計(jì)后處理模型對(duì)淮河流域息縣子流域GFS預(yù)報(bào)降雨的校正效果。結(jié)果表明,5個(gè)模型對(duì)GFS預(yù)報(bào)降雨均具有較好的校正效果,但隨著預(yù)見期的增長(zhǎng),各個(gè)模型的校正能力呈衰減趨勢(shì)。總體而言,相較于基于擴(kuò)展型Logistic算法的3個(gè)模型,基于異方差擴(kuò)展型Logistic算法的2個(gè)模型具有更優(yōu)的校正能力。