MIC-PCA耦合算法在径流预报因子筛选中的应用

解决径流预报因子筛选中存在的信息量不足或冗余等问题,引入一种具有普适性的新的相关关系分析方法——最大信息系数法(MIC),并结合主成分分析法剔除冗余信息实现变量空间降维的能力,提出最大信息系数——主成分分析耦合算法(MIC-PCA)。以雅砻江流域打罗水文站日径流预报为例,将MIC-PCA与多种因子筛选方法的筛选结果进行对比,并将各方法筛选出的因子集输入到BP人工神经网络对日径流进行预报以验证其合理性。结果表明,该方法较现行方法,能为预报模型提供更加科学有效的输入,从而提高模型的预报精度,对水文预报研究有着一定的理论意义。