BRR-SVR月降水量预测优化模型
受多种因素影响,水文时间序列具有非平稳性.研究时间序列的传统模型如ARMA对数据的平稳性有较高要求,不适用于非平稳水文时间序列的研究.近年来,机器学习算法越来越多地被应用于研究水文过程,本文将支持向量机回归(SVR)和贝叶斯岭回归(BRR)应用于月降水量的预测.运用小波变换对降水数据进行分解和重构,然后对各子序列进行相空间重构,运用校验数据从SVR和BRR中选取每个子序列上精度更高的模型,构建耦合支持向量机回归和贝叶斯岭回归的BRR-SVR优化模型,并与单一的BRR模型和SVR模型加以对比.以北京站、南京站和太湖流域7个雨量站为例,采用确定系数、平均绝对百分比误差和平均绝对误差3项指标评估各模型的预测性能,以相对误差图探讨三类模型之间的差异,计算结果验证优化模型的有效性.
贝叶斯岭回归、支持向量机回归、小波变换、降水预测、优化模型
50
P333.6(水文科学(水界物理学))
国家重点研发计划项目2017YFC1502704,2016YFC0401501;国家自然科学基金项目41571017,51679118,91647203;江苏省“333计划”项目BRA2018060
2020-04-10(万方平台首次上网日期,不代表论文的发表时间)
共9页
1529-1537