首页|基于多种混合模型的径流预测研究

基于多种混合模型的径流预测研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
变化环境下径流的波动不断加大,给径流的精准预报带来新的挑战.基于“分解-合成”策略的混合径流预报模型来提高预报精度是当前研究的热点之一.以往研究聚焦在单一的混合预报模型而忽视了它们的适用性研究.基于此,以渭河流域为例,在优选多元线性回归(MLR)、人工神经网络(ANN)和支持向量机(SVM)单一预报模型的基础上,分别基于经验模态分解(EMD)、集合经验模态分解(EEMD)和小波分解(WD)构建了多种混合模型,并融合了大气环流异常因子的信息.结果 表明:(1)SVM模型预测精度高于ANN和MLR;(2)混合预测模型预测精度均高于单一模型,混合模型中WD-SVM的预测精度优于EMD-SVM和EEMD-SVM;(3)融合大气环流异常因子后WD-SVM模型预测精度最高,对极值预报精度的提高较为明显.
Runoff prediction based on multiple hybrid models

梁浩、黄生志、孟二浩、黄强

展开 >

西安理工大学西北旱区生态水利国家重点实验室,陕西西安710048

径流预报 混合预测模型 支持向量机 小波分解 大气环流异常因子

国家自然科学基金中国水利水电科学研究院流域水循环模拟与调控国家重点实验室开放研究基金河海大学水文水资源与水利工程科学国家重点实验室“一带一路”水与可持续发展科技基金

51709221IWHR-SKL-KF2018032018490711

2020

水利学报
中国水利学会

水利学报

CSTPCDCSCD北大核心EI
影响因子：1.778
ISSN：0559-9350
年,卷(期)：2020.51(1)
  • 62
  • 32