基于联合互信息的水文预报因子集选取研究

预报因子集是预报因子的集合。作为预报信息的来源,因子集对预报结果有着重要影响,增加因子集包含的预报信息量能够有效地提高预报精度。针对现有方法侧重于对单个预报因子进行研究的不足,本文从整体的角度考虑,提出了基于联合互信息的预报因子集选取方法。首先介绍了互信息并将其扩展到高维情景,引出条件互信息与联合互信息,并采用Parzen窗估计法对其进行计算;其次以水文预报为背景,建立最大联合互信息模型,根据条件互信息进行求解,并耦合反向传播(BP)神经网络对计算结果进行检验;最后对雅砻江流域泸宁水文站进行实例计算,并将计算结果与现行方法进行比较。结果表明,新方法能够为预报模型提供更加科学的输入,提高模型的预报精度。