首站-论文投稿智能助手
典型文献
基于多模型集合方法的北江流域月径流预报研究
文献摘要:
准确的月径流预报对于水资源优化配置、流域防汛抗旱、开展水量调度、水库群发电优化等具有十分重要的作用.当前工作中常用的月径流预报方法主要有水量平衡模型、数理统计模型、人工神经网络等.研究表明,任何单个模型在月径流预报问题上都无法始终具有最佳预报效果,多模型集合方法为消除模型不确定性、提高月径流预报精度提供了有效途径.以北江流域坪石站、犁市站、横石站和石角站为研究对象,分析对比了季节性自回归模型、两参数月水量平衡模型、人工神经网络的应用效果,并基于BMA(Bayesian Model Averaging)法获取上述站点的多模型集合方案,研究结果表明多模型集合月径流预报的精度相比单模型具有明显提升,不仅具有更高的确定性系数DC(Determination Coefficient),还能有效降低水量误差MAPE(Mean Absolute Percentage Error),能够为流域调度决策提供更好的支持.
文献关键词:
多模型;集合预报;月径流;贝叶斯模式平均;北江
作者姓名:
钟逸轩;廖小龙;全栩剑;易灵;陈艳;李媛媛;薛娇
作者机构:
中水珠江规划勘测设计有限公司,广东 广州 510610
文献出处:
引用格式:
[1]钟逸轩;廖小龙;全栩剑;易灵;陈艳;李媛媛;薛娇-.基于多模型集合方法的北江流域月径流预报研究)[J].人民珠江,2022(06):37-44
A类:
月水量平衡模型
B类:
多模型,集合方法,北江流域,月径流预报,水资源优化配置,防汛抗旱,水量调度,水库群,群发,发电优化,当前工作,预报方法,数理统计,统计模型,人工神经网络,预报效果,模型不确定性,预报精度,坪石,石角,分析对比,自回归模型,数月,BMA,Bayesian,Model,Averaging,单模,确定性系数,DC,Determination,Coefficient,MAPE,Mean,Absolute,Percentage,Error,调度决策,集合预报,贝叶斯模式平均
AB值:
0.35579
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。