發(fā)布時間：2021-04-25 18:21

　　以實測樣本隸屬于某一模型的后驗概率為權重,對各模型預報變量的后驗分布進行加權平均,獲得綜合預報變量的概率密度函數(shù),進而推導出均值、方差公式和置信區(qū)間。將"基于BP神經(jīng)網(wǎng)絡和遺傳算法的分類洪水預報"與"基于貝葉斯模型平均法的多模型組合預報"相結合,實現(xiàn)"洪水分類多模型加權組合預報"。該方法綜合考慮了各模型對不同類型洪水的適應條件及多個模型的優(yōu)勢,可同步降低模型參數(shù)與模型結構不確定性對預報結果的影響。以大伙房水庫為研究區(qū)域,采用大伙房水庫1960年～2016年的25場歷史典型洪水作為本研究的基礎資料,分別完成實例驗證與分析,效果整體上優(yōu)于單個模型。 

【文章來源】：水力發(fā)電. 2020,46(03)北大核心

【文章頁數(shù)】：9 頁

【文章目錄】：
0 引言
1 基于貝葉斯模型平均法的組合預報
    1.1 貝葉斯平均法基本原理
    1.2 基于貝葉斯平均法的組合預報
        1.2.1 概率密度函數(shù)
        1.2.2 期望與方差計算
        1.2.3 正態(tài)轉換
        1.2.4 期望最大化算法
2 基于神經(jīng)網(wǎng)絡和貝葉斯平均法的分類組合預報
    2.1 模型構建
    2.2 模型計算
3 基于蒙特卡羅法的不確定性區(qū)間估計
4 分類洪水組合預報模型實例驗證
    4.1 基礎資料
    4.2 驗證與分析
        4.2.1 正態(tài)轉換
        4.2.2 參數(shù)估計
        4.2.3 評定指標
        4.2.4 預報值對比分析
        4.2.5 預報區(qū)間對比分析
    4.3 結果分析
5 結論


【參考文獻】：
期刊論文
[1]基于貝葉斯模型平均法的洪水集合概率預報[J]. 王倩,師鵬飛,宋培兵,楊濤.  水電能源科學. 2016(06)
[2]基于貝葉斯模型加權平均法的徑流序列高頻分量預測研究[J]. 王斌,張洪波,辛琛,蘭甜.  水力發(fā)電學報. 2016(05)
[3]貝葉斯模型平均法在流域組合預報中的應用[J]. 石琳,劉洋.  水利科技與經(jīng)濟. 2014(12)
[4]變權組合預測模型在洪水預報中的應用[J]. 肖潔,羅軍剛,解建倉,陳晨.  西北農(nóng)林科技大學學報(自然科學版). 2013(02)
[5]一種求解貝葉斯模型平均的新方法[J]. 田向軍,謝正輝,王愛慧,楊曉春.  中國科學:地球科學. 2011(11)
[6]基于貝葉斯模型加權平均方法的水文模型不確定性分析[J]. 董磊華,熊立華,萬民.  水利學報. 2011(09)
[7]基于貝葉斯模型平均理論的水文模型合成預報研究[J]. 梁忠民,戴榮,王軍,余鐘波.  水力發(fā)電學報. 2010(02)
[8]基于投影尋蹤和粒子群優(yōu)化算法的洪水分類研究[J]. 董前進,王先甲,艾學山,張艷敏.  水文. 2007(04)
[9]水文分析計算中兩種正態(tài)變換方法的比較研究[J]. 梁忠民,戴昌軍.  水電能源科學. 2005(02)

碩士論文
[1]流域水文模型參數(shù)優(yōu)化問題研究[D]. 欒承梅.河海大學 2005



本文編號：3159863