基于Copula熵理论的大坝渗流统计模型因子优选

被引：6

作者：

李小奇 ^{[1
,2
]}

郑东健 ^{[1
,2
]}

鞠宜朋 ^{[3
]}

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] 河海大学水资源高效利用与工程安全国家工程研究中心

[3] 中国电子科技集团公司第十五研究所

来源：

河海大学学报(自然科学版) | 2016年 / 44卷 / 04期

关键词：

大坝安全监控; 渗流统计模型; Copula熵; 输入因子; 偏互信息;

D O I：

暂无

中图分类号：

TV698.12 [];

学科分类号：

081504 ;

摘要：

针对大坝渗流统计模型需要考虑较多的前期项,造成参选的因子数量较大,进而导致常规方法的建模误差较高的问题,研究引入Copula熵理论,利用Copula熵和偏互信息(partial mutual information,PMI)相结合的方法,对输入因子的选取进行优化。针对Copula熵的求取,Copula函数采用Gumbel函数,分布采用柯西分布代替正态分布,并引入Hample准则来精确选取因子。将该方法在糯扎渡大坝渗流监测中进行应用,并与常规的因子选择方法进行对比分析,结果表明,采用基于Copula熵的因子优化选取方法的渗流统计模型具有更好的预测效果。

引用

页码：370 / 376

页数：7

共 15 条

[1]

Copula Entropy and Its Application in Hydrological Correlation Analysis.[J].陈璐;郭生练.Journal of Water Resources Research.2013, 02

[2]

Non-linear variable selection for artificial neural networks using partial mutual information.[J].Robert J. May;Holger R. Maier;Graeme C. Dandy;T.M.K. Gayani Fernando.Environmental Modelling and Software.2008, 10

[3]

Selection of input variables for data driven models: An average shifted histogram partial mutual information estimator approach.[J].T.M.K.G. Fernando;H.R. Maier;G.C. Dandy.Journal of Hydrology.2008, 3

[4]

Seasonal to interannual rainfall probabilistic forecasts for improved water supply management: Part 1 — A strategy for system predictor identification.[J].A. Sharma.Journal of Hydrology.2000, 1

[5] 基于互信息量与BP神经网络的中长期径流预报方法研究 [J].