基于多模型比选耦合的降水预测
文献类型：期刊论文
| 作者 | 武少振; 任智慧; 赵雪花; 杨默远; 桑燕芳 |
| 刊名 | 南水北调与水利科技(中英文)
 |
| 出版日期 | 2023 |
| 卷号 | N/A页码:1-11 |
| 关键词 | 中长期预测 数据驱动模型 组合模型 时间序列分解 非平稳性 |
| 文献子类 | 期刊 |
| 英文摘要 | 变化环境下水文时间序列的模拟预测难度不断加大，基于“分解-预测-重构”模式的组合模型是提高水文预测精度的有效途径。以往研究大多聚焦在模型的不同组合尝试与应用探索，但缺乏针对不同组合模型适用性与稳定性的系统研究。本研究选择经验模态分解（empirical mode decomposition,EMD）、总体平均经验模态分解（ensemble empirical mode decomposition,EEMD）、改进的总体平均经验模态分解（modified ensemble empirical mode decomposition,MEEMD）和变分模态分解（variational mode decomposition,VMD）四种常用的分解算法，与多元线性回归（multivariable linear regression,MLR）、随机森林（random forest,RF）、BP神经网络（back propagation,BP）、卷积神经网络（convolutional neural networks,CNN）和长短期记忆神经网络（long short-term memory,LSTM）五种具有代表性的模型结合，构建20种基于“分解-预测-重构”模式的组合模型，并以华北地区密云、官厅两流域年和汛期降水为例，进行模型适用性与稳定性综合对比分析。结果表明：单一模型对密云流域年降水和汛期降水的预测结果优于官厅流域，但整体预测结果均不理想；结合分解算法后的组合模型预测结果明显优于单一模型，且该预测结果存在正负误差抵消现象，因此有助于进一步提高组合模型的整体预测精度；与基于EMD系列的分解算法相比，VMD算法对模型预测精度提升效果最显著，组合模型适用性和稳定性整体上表现为VMD-MLR>VMDLSTM>VMD-BP>VMD-CNN。 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/200657]  |
| 专题 | 陆地水循环及地表过程院重点实验室_中文论文 |
| 通讯作者 | 桑燕芳 |
| 作者单位 | 1.北京市水科学技术研究院 2.复合链生自然灾害动力学应急管理部重点实验室 3.中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室 4.太原理工大学水利科学与工程学院 |
| 推荐引用方式 GB/T 7714 | 武少振,任智慧,赵雪花,等. 基于多模型比选耦合的降水预测[J]. 南水北调与水利科技(中英文),2023,N/A:1-11. |
| APA | 武少振,任智慧,赵雪花,杨默远,&桑燕芳.(2023).基于多模型比选耦合的降水预测.南水北调与水利科技(中英文),N/A,1-11. |
| MLA | 武少振,et al."基于多模型比选耦合的降水预测".南水北调与水利科技(中英文) N/A(2023):1-11. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。