基于多因子组合的SVR模型在松花江流域径流预报中的应用

为对数据驱动的径流预报模型的预报因子进行方案优选,利用相关系数法（CA）对松花江流域上游3个水文代表站（大赉站、扶余站、哈尔滨站）的月径流、佳木斯站的月降水和74项大气环流指数等潜在预报因子进行初筛,然后用主成分分析法（PCA）、互信息法（MI）进一步优选因子,最后基于支持向量机回归模型（SVR）结合选取的潜在预报因子（共9种组合方式）预报松花江流域佳木斯站的月径流,并采用均方根误差(RMSE)、平均相对误差(MRE)、决定性系数（R2）、合格率（QR）评价不同预报因子组合间的SVR模型的预报性能。结果表明,SVR结合7因子的PCA模型与其他因子组合的SVR模型相比,更适用于松花江流域的月径流预报,其RMSE、MRE、R2、QR分别为856.68m3/s、31.4%、0.809 4、73.3%,各项评价指标均优于其他因子组合方案。