中长期水文预报的模型辨识及预测研究

被引：2

作者：

路剑飞 ^{[1
]}

于吉涛 ^{[2
]}

陈子燊 ^{[1
]}

机构：

[1] 中山大学地理科学与规划学院水资源系

[2] 河南理工大学测绘与国土信息工程学院

来源：

中山大学学报(自然科学版) | 2012年 / 51卷 / 02期

关键词：

中长期水文预报; 模型辨识; CIC; Kalman滤波;

D O I：

暂无

中图分类号：

P338.2 [];

学科分类号：

081501 ;

摘要：

针对中长期水文预报的模型辨识进行研究,探讨了预处理、建模数据量和建模方式对于模型预测精度的影响。利用基于有限采样信息准则(FSIC)的组合信息准则(CIC)对模型进行定阶,结合Kalman滤波方法进行非线性预测研究。研究表明:①在进行模型辨识时,如果预处理导致识别的模型复杂度大幅度降低,应通过模型的预测结果对预处理方法的合理性进行检验;②建模数据量应足以反映时序的内在波动性,但并不是越多越好,过多的建模数据量会导致模型的复杂性大幅度增加,在增加计算耗时的同时,也降低了预测的稳健性;③滑动模型主要是改善了较高径流值和径流峰值的预测情况,相对牺牲了较低径流值的预测精度;④Kalman滤波方法全方位、大幅度的提高了径流在各个区段的预测效果,其峰值预测准确率更是高达63.64%。

引用

页码：107 / 112

页数：6