基于随机森林模型的长江上游枯水期径流预报研究

被引:49
作者
赵铜铁钢 [1 ,2 ]
杨大文 [1 ]
蔡喜明 [2 ]
曹勇 [2 ]
机构
[1] 清华大学水利水电工程系,水沙科学与水利水电工程国家重点实验室
[2] 美国伊利诺伊大学香槟分校土木与环境工程系,周文德水系统实验室
关键词
水文学; 长期径流预报; 径流自相关关系; 水文-气象遥相关关系; 随机森林模型;
D O I
暂无
中图分类号
P338 [水文预报];
学科分类号
摘要
预报因子选取和预报模型构建是长期径流预报的两大难点。本研究采用随机森林模型从当年1月份至10月份长江干流的实测径流和国家气候中心74项水文—气象特征因子共750个变量中选取预报因子集合,对长江上游屏山站、寸滩站枯水期(当年11月~次年5月)径流预报进行了研究。结果显示,随预见期增加,径流自相关关系逐渐减弱,水文—气象遥相关关系逐渐强于径流自相关关系。在屏山站和寸滩站的径流预报中,预报结果与实测结果呈显著线性关系,平均相对误差在20%以内。月径流预报误差还较大,枯水期总径流预报精度优于单月径流预报。不确定性分析结果表明随机森林模型除了预报径流变化趋势,还可以用于预报径流丰枯概率。
引用
收藏
页码:18 / 24+38 +38
页数:8
相关论文
共 9 条
  • [1] 支持向量机在中长期径流预报中的应用
    林剑艺
    程春田
    [J]. 水利学报, 2006, (06) : 681 - 686
  • [2] 相空间小波网络模型及其在水文中长期预测中的应用
    赵永龙
    丁晶
    邓育仁
    [J]. 水科学进展, 1998, (03) : 3 - 5
  • [3] 中长期径流预报的一种灰关联模式识别与预测方法
    夏军
    [J]. 水科学进展, 1993, (03) : 190 - 197
  • [4] The Role of Monthly Updated Climate Forecasts in Improving Intraseasonal Water Allocation
    Sankarasubramanian, A.
    Lall, Upmanu
    Devineni, Naresh
    Espinueva, Susan
    [J]. JOURNAL OF APPLIED METEOROLOGY AND CLIMATOLOGY, 2009, 48 (07) : 1464 - 1482
  • [5] Ensemble flood forecasting: A review[J] . H.L. Cloke,F. Pappenberger.Journal of Hydrology . 2009 (3)
  • [6] Using oceanic‐atmospheric oscillations for long lead time streamflow forecasting[J] . Ajay Kalra,Sajjad Ahmad.Water Resour. Res. . 2009 (3)
  • [7] Random forests as a tool for ecohydrological distribution modelling[J] . Jan Peters,Bernard De Baets,Niko E.C. Verhoest,Roeland Samson,Sven Degroeve,Piet De Becker,Willy Huybrechts.Ecological Modelling . 2007 (2)
  • [8] Random forests
    Breiman, L
    [J]. MACHINE LEARNING, 2001, 45 (01) : 5 - 32
  • [9] Bagging predictors
    Breiman, L
    [J]. MACHINE LEARNING, 1996, 24 (02) : 123 - 140