广义相加模型在乌江夏季径流预报中的应用

被引：17

作者：

荣艳淑 ^{[1
,2
]}

胡玉恒 ^{[1
,3
]}

冯瑞瑞 ^{[1
]}

殷雨婷 ^{[1
]}

李崇浩 ^{[4
]}

机构：

[1] 河海大学水文水资源学院

[2] 河海大学水利学科专业实验教学中心

[3] 南京恩瑞特实业有限公司

[4] 中国南方电网电力调度控制中心

来源：

河海大学学报(自然科学版) | 2021年 / 49卷 / 02期

基金：

国家重点研发计划;

关键词：

广义相加模型(GAM); 广义线性模型(GLM); 留一法交叉验证; 夏季径流; 海温因子;

D O I：

暂无

中图分类号：

P338 [水文预报];

学科分类号：

摘要：

基于前期冬季海温指数,构建具有4个非线性指数和9个线性指数的广义相加模型(GAM),对乌江流域洪家渡夏季径流进行了模拟与预测,利用5种评估指标,包括最小信息准则(AIC)、均方根误差(RMSE)、平均绝对误差(MAE)、概率空间线性误差(LEPS)和线性相关(r),评估GAM和广义线性模型(GLM)模拟效果。结果表明:在AIC、RMSE和LEPS评估指标上,GAM的模拟效果与实测值相比均小于GLM,在线性相关系数上显著大于GLM。因此,GAM的模拟效果明显优于GLM。利用留一法交叉验证对洪家渡夏季径流分别进行了GAM和GLM预测,结果表明,GAM与实测数据的相关系数提高到0.41,相对误差小于30%的预测值达到60%以上,特别是在洪家渡典型洪水年中,GAM的预测误差仅在10%左右,在典型干旱年中,GAM的预测误差小于10%,GAM的预测结果比GLM明显改善。因此,考虑了径流量与预报因子的非线性关系,在径流预报中使用GAM进行建模,能够有效改善线性回归模型的模拟效果和预测精度。

引用

页码：121 / 126

页数：6

共 26 条

[21] A Predictive Approach to the Random Effect Model[J] . Biometrika . 1974 (1)
[22] GENERALIZED LINEAR MODELS
NELDER, JA
WEDDERBURN, RW
[J]. JOURNAL OF THE ROYAL STATISTICAL SOCIETY SERIES A-GENERAL, 1972, 135 (03): : 370 - +
[23] Describing long-term trends in precipitation using generalized additive models. Underwood, Fiona M. Journal of Hydronautics . 2009
[24] Design and analysis of experiments. MONTGOMERY D. John Wiley ＆ Sons Inc . 2001
[25] 时间序列分解模型在水文要素中长期预报中的应用
张闻胜
王银堂
[J]. 水文, 2001, (01) : 21 - 24
[26] 人工神经网络固有的优点和缺点
杨晓帆
陈廷槐
[J]. 计算机科学, 1994, (02) : 23 - 26

← 1 2 3 →