基于机器学习的水位流量关系模型参数估计

摘要：

为了克服经典水位流量关系模型在刻画河流动态变化特性时所存在的局限性,提出采用局部加权回归算法估计模型参数;为了提高参数估计精度以及流量的计算效率,提出一种聚类树加权回归方法.首先对训练样本进行聚类,然后使用k-最近邻方法将新的水位样本划分进最恰当的聚类中,最后估计河流日流量.该方法在估计过程中,避免了不相关信息的干扰,从而提高了日流量数据估计的效率和精度.利用某水文站的实测数据对方法进行测试,仿真结果表明,方法估计精度高,为水位流量关系模型参数估计提供了新的有效方法.

关键词：水位流量关系、参数估计、局部加权回归、聚类树、k-最近邻

所属期刊栏目：33

分类号：P641.8(水文地质学与工程地质学)

资助基金：四川省流体机械重点实验室资助SBZDPY-11-5;西华大学高校重点项目Z1120413

在线出版日期：2013-05-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：74-78