机器学习在径流预测中的应用研究 |
| |
引用本文: | 苏辉东,贾仰文,倪广恒,龚家国,曹雪健,张明曦,牛存稳,张迪.机器学习在径流预测中的应用研究[J].中国农村水利水电,2018(6). |
| |
作者姓名: | 苏辉东 贾仰文 倪广恒 龚家国 曹雪健 张明曦 牛存稳 张迪 |
| |
作者单位: | 清华大学水利水电工程系;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 |
| |
摘 要: | 机器学习在各个领域以及交叉学科中有着广泛的应用。运用两种机器学习方法支持向量机回归SVR和BP人工神经网络,对长江流域河溶水文站2009-2014年逐日径流与日降水资料进行学习、训练以及预测。采用Ns效率系数和相对偏差PB作为比较指标,与传统的分布式水文模型(THREW)进行比较。结果表明:THREW模型模拟效果好,Ns效率系数为0.503,具有清晰的物理过程和水文机理,但是模拟结果的相对偏误差PB较大,数据要求较多,操作复杂。两种机器学习方法在相对偏误差PB指标表现较好,都较好的模实现了对径流的预测,泛化能力较好,即具有将学习成果应用于新知识的能力。但是对数据依赖较大,数据样本容量越大,预测的结果会更理想。BP神经网络模径流结果在相对偏误差PB指标表现很好,模拟低流量时期较准,在洪峰流量阶段模拟失真,SVR对极大洪峰流量预测准确度有所提高。结果显示SVR优于分布式物理THREW模型和BP神经网络。
|
本文献已被 CNKI 等数据库收录! |
|