典型文献
基于AdaBoost模型的大渡河流域中长期径流预报应用研究
文献摘要：
以集成学习算法中的AdaBoost模型为基础,开展大渡河流域猴子岩断面未来12个月预见期(最长预见期为12个月)的中长期径流预报研究.先采用置换准确度重要性度量方法筛选各预报月份影响因子,在此基础上采用交叉验证－随机搜索方法进行模型优化,构建了各预报月份的中长期径流预报模型.通过逐月滚动建模及滚动预报的方式评估模型在不同预见期及不同月份的真实预报效果.结果表明,不同预见期(1～12月)条件下,模型预报系列与实测系列的相关系数均大于0.9,模型具有较高的预报精度.就不同预见期预报精度的综合结果来看,1～6、8～10、12月的预报精度均大于80％;7、11月的预报精度在75％左右.2018年1～12月和2020年10月至2021年9月共12个不同预见期的平均预报精度分别为85.7％、85.1％.从中长期精度预报角度而言,模型具有较好的实用精度要求,可为流域水资源精准调配和发电效益的提高提供支撑.
文献关键词：
AdaBoost;置换准确度重要性度量;随机搜索方法;中长期径流预报;大渡河流域
中图分类号：
作者姓名：
李佳;曲田;朱艳军;陶思铭;胡义明
作者机构：
国能大渡河流域水电开发有限公司,四川成都610041;河海大学水文水资源学院,江苏南京210098
文献出处：
引用格式：
[1]李佳;曲田;朱艳军;陶思铭;胡义明-.基于AdaBoost模型的大渡河流域中长期径流预报应用研究)[J].水电能源科学,2022(10):10-13
A类：
置换准确度重要性度量,随机搜索方法,滚动建模
B类：
AdaBoost,大渡河流域,中长期径流预报,报应,集成学习算法,猴子,预见期,交叉验证,模型优化,预报模型,逐月,滚动预报,同月,预报效果,预报精度,精度要求,流域水资源,发电效益
AB值：
0.16823
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
