传统的水文不确定性处理器(HUP)属于单变量结构类型,只能独立地给出各预见期实际流量的贝叶斯后验概率密度,没有考虑它们之间的内在相关性。本文利用Copula函数推导了贝叶斯转移预报(BTF)方法中后验转移密度的解析表达式,提出了基于Copula函数的贝叶斯转移预报(CBTF)方法和基于Copula函数的多变量水文不确定性处理器(CMHUP),进而发展了基于Copula函数的贝叶斯极值预报(CBEF)方法,并应用于三峡水库入库洪水预报中。结果表明:所提方法实用有效,CBTF方法和CMHUP可以定量地评估三峡水库入库流量转移预报的不确定性,准确揭示了水文预报不确定性在时间上的演变特征,CBEF方法则提供了预见期时段内最大入库流量预报的不确定性信息。所提方法不需要进行线性-正态假设,能够很好地捕捉流量过程的非线性和非正态特征,适用范围更加广泛,对于支撑防洪减灾和水库运行调度具有重要的参考价值。