10.20040/j.cnki.1000-7709.2024.20231419
基于互信息及人工神经网络的降雨-径流预报方法
输入变量空间信息的提取、筛选与输入优化是提高数据驱动水文模型性能的关键环节.为提高数据驱动短期径流预报模型效果,以全国第二届水科学数值模拟创新大赛题目为算例,基于互信息及人工神经网络方法构建降雨-径流水文模型,进行小时尺度径流预报,探讨互信息对人工神经网络模型在降雨-径流预报精度提高上的作用.结果表明,基于互信息及人工神经网络的降雨-径流预报模型模拟精度高,适用性较好,验证期纳什效率系数和相关系数分别为0.94、0.96.互信息方法能够实现径流预报模型的输入优化,避免数据冗余,可为空间信息缺乏流域径流预报因子选择提供新思路.
数值模拟、径流预报、互信息、数据驱动模型、人工神经网络
42
TV121+.1;P338(水利工程基础科学)
国家自然科学基金;华能澜沧江水电股份公司科研业务;云南省万人计划
2024-08-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
38-42