基于隨機(jī)森林和RBF人工神經(jīng)網(wǎng)絡(luò)構(gòu)建了新豐江水庫(kù)枯季入庫(kù)徑流中長(zhǎng)期預(yù)報(bào)模型,首先采用隨機(jī)森林模型從74個(gè)水文氣象特征量和前期降雨、徑流中篩選預(yù)報(bào)因子,之后利用篩選的預(yù)報(bào)因子作為RBF神經(jīng)網(wǎng)絡(luò)的輸入層,利用RBF神經(jīng)網(wǎng)絡(luò)對(duì)新豐江水庫(kù)枯季入庫(kù)徑流每月的流量進(jìn)行預(yù)報(bào)。結(jié)果表明,基于隨機(jī)森林和RBF人工神經(jīng)網(wǎng)絡(luò)模型的枯季徑流中長(zhǎng)期預(yù)報(bào)模型精度較高,其中訓(xùn)練期平均合格率為91.24%,平均相對(duì)誤差為7.80%,檢驗(yàn)期平均合格率為67.31%,平均相對(duì)誤差為26.73%,模型有較高的可靠性,預(yù)報(bào)結(jié)果可作為東江流域枯季徑流預(yù)報(bào)重要參考依據(jù)。

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

圖1預(yù)報(bào)模型結(jié)構(gòu)

本研究以74個(gè)水文氣象特征量和前期降雨、徑流作為構(gòu)建預(yù)報(bào)因子合集輸入到隨機(jī)森林模型中進(jìn)行訓(xùn)練,目標(biāo)變量為當(dāng)前枯季月份的徑流,解釋變量為當(dāng)前月份前一年逐月的74項(xiàng)水文氣象特征和片區(qū)的降雨、徑流。根據(jù)解釋變量與每年該月的徑流的相關(guān)性,得到總的影響因子相關(guān)性序列。依據(jù)相關(guān)性從大到小選取....

圖2新豐江水庫(kù)10月入庫(kù)徑流模擬

訓(xùn)練期及檢驗(yàn)期的預(yù)報(bào)結(jié)果見圖2—8。根據(jù)GB/T22482—2008《水文情報(bào)預(yù)報(bào)規(guī)范》[15]規(guī)定,認(rèn)為中長(zhǎng)期徑流預(yù)報(bào)相對(duì)誤差小于等于20%時(shí)達(dá)到合格,各月份訓(xùn)練期及檢測(cè)的20%合格率以及平均相對(duì)誤差見表2。圖3新豐江水庫(kù)11月入庫(kù)徑流模擬

圖3新豐江水庫(kù)11月入庫(kù)徑流模擬

圖2新豐江水庫(kù)10月入庫(kù)徑流模擬圖4新豐江水庫(kù)12月入庫(kù)徑流模擬

圖4新豐江水庫(kù)12月入庫(kù)徑流模擬

圖3新豐江水庫(kù)11月入庫(kù)徑流模擬圖5新豐江水庫(kù)1月入庫(kù)徑流模擬

本文編號(hào)：3977467