基于随机森林和RBF人工神经网络模型的新丰江水库枯季入库径流中长期预报

被引：12

作者：

郑炎辉 ^{[1
]}

张力澜 ^{[2
]}

田兆伟 ^{[3
]}

陈晓宏 ^{[2
]}

机构：

[1] 广州丰泽源水利科技有限公司

[2] 中山大学

[3] 广东省水文局惠州水文分局

来源：

人民珠江 | 2020年 / 41卷 / 05期

基金：

国家重点研发计划;

关键词：

随机森林; 神经网络; 枯季径流; 预报;

D O I：

暂无

中图分类号：

P338 [水文预报]; TV697 [水库管理];

学科分类号：

081501 ; 081504 ;

摘要：

基于随机森林和RBF人工神经网络构建了新丰江水库枯季入库径流中长期预报模型,首先采用随机森林模型从74个水文气象特征量和前期降雨、径流中筛选预报因子,之后利用筛选的预报因子作为RBF神经网络的输入层,利用RBF神经网络对新丰江水库枯季入库径流每月的流量进行预报。结果表明,基于随机森林和RBF人工神经网络模型的枯季径流中长期预报模型精度较高,其中训练期平均合格率为91.24%,平均相对误差为7.80%,检验期平均合格率为67.31%,平均相对误差为26.73%,模型有较高的可靠性,预报结果可作为东江流域枯季径流预报重要参考依据。

引用

页码：33 / 37

页数：5

共 28 条

[11] 基于阴阳对算法优化的随机森林与支持向量机组合模型及径流预测实例 [J].