共 17 条
- [1] 基于长短时记忆(LSTM)神经网络的黄河中游洪水过程模拟及预报[J]. 北京师范大学学报(自然科学版), 2020, 56 (03) : 387 - 393徐源浩邬强李常青陈游倩张力冉广胡彩虹
洪水预报智能模型在中国半干旱半湿润区的应用对比
被引：53
作者：
张珂
[1
,2
,3
,4
]
牛杰帆
[1
,2
]
李曦
[1
,2
]
晁丽君
[1
,2
]
机构：
[1] 河海大学水文水资源与水利工程科学国家重点实验室
[2] 河海大学水文水资源学院
[3] 长江保护与绿色发展研究院
[4] 中国气象局-河海大学水文气象研究联合实验室
来源：
基金：
国家重点研发计划;
关键词：
洪水预报;
智能模型;
决策树;
多层感知器;
随机森林;
人工神经网络;
支持向量机;
D O I：
暂无
中图分类号：
P338 [水文预报];
学科分类号：
摘要：
为探究不同洪水预报智能模型在我国半干旱半湿润区的应用效果,选用决策树、多层感知器、随机森林和支持向量机4种模型在陕西省3个典型流域进行逐时洪水预报;选择相关系数、纳什效率系数、均方根误差、平均绝对误差和相对误差等评价指标,比较不同预见期下4种模型在半干旱半湿润典型流域洪水预报的适用性。结果表明:在短预见期预报中,4种模型在半湿润区典型流域均可获得较高的预报结果,在半干旱典型流域模拟精度相对偏低,仅支持向量机模型满足预报要求;随着预见期延长,不同模型性能变化差异大,支持向量机模型整体稳定,在小流域实时洪水预报中具有明显优势;随机森林模型与决策树模型精度随预见期延长而缓慢下降,前者适应性更好;多层感知器模型精度随预见期延长而骤减,模型稳定性较差。
引用
收藏
页码：28 / 35+60
+60
页数：9
相关论文