基于机器学习的多模型耦合径流预报研究

P338; 为具体考虑各水文模型适用条件、灵活利用模型预报特征对研究流域进行高精度耦合径流预报,将雅砻江流域雅江～吉居区间作为研究对象,以提升径流预报精度和稳定性为首要目的,构建涵盖新安江模型、水箱模型和TOP-MODEL模型的多模型径流预报方法库,引入最小二乘法、岭回归法和极端梯度提升树法耦合各模型进行水文预报,并提出多评价指标体系对各耦合方法的预测性能进行对比分析.结论表明,极端梯度提升树法相较于其余两种方法有稳定的预测性能和强大的泛化能力,为该流域其他区间的预报工作提供了新的思路....

Full description

Saved in:
Bibliographic Details
Published in中国农村水利水电 no. 5; pp. 119 - 128
Main Authors 祝宾皓, 周建中, 方威, 张勇传
Format Journal Article
LanguageChinese
Published 华中科技大学土木与水利工程学院,湖北 武汉 430074 10.05.2023
华中科技大学数字流域科学与技术湖北省重点实验室,湖北 武汉 430074
Subjects
多模型预报
水文预报
极端梯度提升树
岭回归
Online AccessGet full text
ISSN1007-2284
DOI10.12396/znsd.221329

Cover

More Information
Summary:P338; 为具体考虑各水文模型适用条件、灵活利用模型预报特征对研究流域进行高精度耦合径流预报,将雅砻江流域雅江～吉居区间作为研究对象,以提升径流预报精度和稳定性为首要目的,构建涵盖新安江模型、水箱模型和TOP-MODEL模型的多模型径流预报方法库,引入最小二乘法、岭回归法和极端梯度提升树法耦合各模型进行水文预报,并提出多评价指标体系对各耦合方法的预测性能进行对比分析.结论表明,极端梯度提升树法相较于其余两种方法有稳定的预测性能和强大的泛化能力,为该流域其他区间的预报工作提供了新的思路.
ISSN:1007-2284
DOI:10.12396/znsd.221329