基于偏互信息法遴选因子的长江中长期径流预报

被引：8

作者：

麦紫君 ^{[1
]}

曾小凡 ^{[1
]}

周建中 ^{[1
]}

叶磊 ^{[2
]}

何奇芳 ^{[1
]}

机构：

[1] 华中科技大学水电与数字化工程学院

[2] 大连理工大学水利工程学院

来源：

人民长江 | 2018年 / 03期

基金：

国家重点研发计划;

关键词：

偏互信息; 中长期径流预报; 遥相关气候因子; 长江流域;

D O I：

10.16232/j.cnki.1001-4179.2018.03.011

中图分类号：

P338.2 [];

学科分类号：

摘要：

为提高流域中长期径流预见期和预报精度,以长江流域代表性水文站为例,研究遥相关气候因子对水文站径流的影响,通过偏互信息方法遴选与逐月径流具有显著相关性的气候因子,并采用多元回归方法建模进行中长期径流预报。研究表明:根据偏互信息法选出的输入因子建立的回归方程在建模和试报阶段的拟合优度值都大于0.6,而且入选的气候因子均具有4个月及以上的预见期。可见利用偏互信息法挑选遥相关气候因子进行中长期径流预报能够延长预见期并提供具有较高精度的预报结果。

引用

页码：52 / 56

页数：5

共 13 条

[1] 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. &nbspEnvironmental Modelling and Software . 2008 (10)
[2] Input determination for neural network models in water resources applications. Part 1—background and methodology[J] . Gavin J. Bowden,Graeme C. Dandy,Holger R. Maier. &nbspJournal of Hydrology . 2004 (1)
[3] 耦合偏互信息的贫资料地区小水电发电能力预测
刘本希
廖胜利
冯仲恺
程春田
李秀峰
蔡华祥
[J]. 电力系统自动化, 2015, 39 (19) : 149 - 154
[4] 基于互信息量与BP神经网络的中长期径流预报方法研究
卢迪
周惠成
[J]. 水文, 2014, 34 (04) : 8 - 14+67
[5] 分布式水文模型与气象遥相关分析相结合的丹江口水库月入库径流预测
何小刚
赵铜铁钢
杨大文
[J]. 水力发电学报, 2013, 32 (03) : 4 - 9
[6] 神经网络径流预报模型中基于互信息的预报因子选择方法
赵铜铁钢
杨大文
[J]. 水力发电学报, 2011, 30 (01) : 24 - 30
[7] Seasonal to interannual rainfall probabilistic forecasts for improved water supply management: Part 1 — A strategy for system predictor identification[J] . A. Sharma. &nbspJournal of Hydrology . 2000 (1)
[8] Partial Mutual Information Based Algorithm for Input Variable Selection. Darudi A,Rezaeifar S,Bayaz M H J D. 13th International Conference on Environment and Electrical Engineering . 2013
[9] 基于逐步剔除回归分析的径流量预报分析
温珍珠
李旺军
王应祥
胡广录
王德金
[J]. 人民长江, 2017, 48(S1) (S1) : 105 - 108+125
[10] ENSO事件影响下长江大通站汛期径流预测建模分析
杨开斌
朱坚
葛朝霞
龚朝海
[J]. 水电能源科学, 2016, 34 (05) : 5 - 8+24

← 1 2 →