月径流预报建模方法对比分析 ——以嘉陵江北碚站为例

摘要：

为提高径流预报的精度,以嘉陵江流域北碚水文站为例,选取1979～2019年径流资料,对比分析月径流预报多种建模方法的预报性能.选择时间序列法作为单变量预报模型的方法,随机森林、BP神经网络和多元线性回归作为多变量预报模型的方法,并应用时变权重进行组合预报,对比单变量与多变量、单一与组合模型预报结果.结果表明:①多变量预报模型预报效果更优,与时间序列模型相比,其平均绝对百分比误差减少约20％;②随机森林与BP神经网络这两种机器学习方法在单一模型中具有更好的预测能力;③时变权重组合预报方法能有效结合单一模型的优点,进一步提高预报精度.研究成果可为中长期径流预报的建模策略制定提供参考.

关键词：径流预报、时变权重、随机森林、BP神经网络、多元线性回归、北碚水文站、嘉陵江流域

所属期刊栏目：53

分类号：TV124(水利工程基础科学)

资助基金：国家自然科学基金41701015

在线出版日期：2022-10-13（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：80-86