基于多因子最近邻抽样回归模型的径流相似性预报

摘要：

针对传统径流预报精度不高、预见期不足的问题,提出基于降雨、径流相似性的径流预报方法,采用大数据挖掘在历史降雨产流过程中搜索相似过程,预测后期径流最可能的过程线.为了延长径流预报预见期,实时接入降雨预报信息,提出3种径流滚动预报方式,实现了7d预见期的径流逐日滚动预报;针对流域在涨退水等不同阶段的产汇流特性,建立可根据实时水雨情自适应切换的降雨、径流输入模式,进一步提高径流预报精度.该研究成果在大渡河的应用表明预报效果达到预期:3 d预见期的纳什系数大于0.9,平均相对误差小于10％;7 d预见期的纳什系数大于0.8,平均相对误差小于15％.

关键词：径流预报、径流相似性、多因子最近邻抽样回归模型、预见期、滚动预报

所属期刊栏目：48

分类号：P338(水文科学（水界物理学）)

资助基金：国家重点研发计划2018YFC0407902

在线出版日期：2021-01-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：521-527