首先對(duì)標(biāo)準(zhǔn)的布谷鳥(niǎo)搜索算法（CS）進(jìn)行改進(jìn),提出了自適應(yīng)搜索平衡布谷鳥(niǎo)搜索算法（ASBCS）.其次利用ASBCS算法對(duì)混合Copula函數(shù)進(jìn)行參數(shù)尋優(yōu),建立了基于混合Copula函數(shù)的鄰近水文站年徑流預(yù)測(cè)模型.最后對(duì)模型進(jìn)行了性能分析和實(shí)驗(yàn)驗(yàn)證,結(jié)果表明:（1）ASBCS算法在收斂速度和精度方面均優(yōu)于標(biāo)準(zhǔn)CS算法;（2）當(dāng)以漢口水文站的年徑流量為自變量來(lái)預(yù)測(cè)宜昌水文站的年徑流量時(shí),基于ASBCS算法的混合Copula函數(shù)比三個(gè)單一的Copula函數(shù)的預(yù)測(cè)精度高. 

【文章來(lái)源】：中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019,38(04)

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

三個(gè)函數(shù)的概率密度圖

從圖3、圖4和圖5中可以看出單一的Copula函數(shù)在某些年份預(yù)測(cè)的精度非常高,實(shí)測(cè)值與預(yù)測(cè)值基本重合,但是在另一些年份預(yù)測(cè)精度又很低,極大一部分原因是由于氣候、人為引流或者建造工程等因素造成的,但是也有一部分原因是由于Copula函數(shù)的性能造成.比較圖6和圖3、圖4、圖5可以發(fā)現(xiàn),相比Clayton、Gumbel和Frank三個(gè)單一的Copula函數(shù),基于ASBCS算法的混合Copula函數(shù)具有更高的預(yù)測(cè)精度.

為了更好地比較四個(gè)Copula函數(shù),將四個(gè)Copula函數(shù)預(yù)測(cè)宜昌站2001-2010年的年徑流量的相對(duì)誤差全部列于表1中,從表1可以看出,混合Copula函數(shù)可以彌補(bǔ)三個(gè)單一Copula函數(shù)的缺陷,比如在2001年Clayton的預(yù)測(cè)精度遠(yuǎn)遠(yuǎn)低于Gumbel和Frank函數(shù),但是在2002年Gumbel和Frank函數(shù)的相對(duì)誤差又遠(yuǎn)遠(yuǎn)高于Clayton函數(shù),而混合Copula函數(shù)因?yàn)閷⑷齻�(gè)函數(shù)結(jié)合起來(lái),取其優(yōu)點(diǎn),所以很好的融合了三種函數(shù),在2001年和2002都取得了更好的預(yù)測(cè)效果.比較四個(gè)預(yù)測(cè)方法的平均相對(duì)誤差,發(fā)現(xiàn)基于ASBCS算法的混合Copula函數(shù)具有更好的預(yù)測(cè)精度.表1 四個(gè)函數(shù)預(yù)測(cè)宜昌站2001-2010年的年徑流量的相對(duì)誤差比較Tab.1 The relative error comparison of the annual runoff in Yichang station from 2001 to 2010 predicted by four functions 年份 混合Copula預(yù)測(cè)相對(duì)誤差/% Clayton預(yù)測(cè)相對(duì)誤差/% Gumbel預(yù)測(cè)相對(duì)誤差/% Frank預(yù)測(cè)相對(duì)誤差/% 2001 0.15 4.2 0.21 0.2 2002 6.12 6.54 19.76 20.74 2003 6.98 11.17 8.99 9.18 2004 0.76 1.18 1.04 1.19 2005 1.15 1.69 2.34 2.54 2006 10.52 21.05 18.71 25.13 2007 1.47 1.77 1.66 2.14 2008 1.32 1.89 1.89 1.97 2009 3.14 5.13 5.19 4.82 2010 8.65 15.35 14.59 14.77 平均相對(duì)誤差 4.05 6.99 7.44 8.27

【參考文獻(xiàn)】：
期刊論文
[1]基于陰陽(yáng)對(duì)算法優(yōu)化的隨機(jī)森林與支持向量機(jī)組合模型及徑流預(yù)測(cè)實(shí)例[J]. 何國(guó)棟,崔東文.  人民珠江. 2019(03)
[2]基于實(shí)時(shí)校正和組合預(yù)報(bào)的水文預(yù)報(bào)方法研究[J]. 陳璐,楊振瑩,周建中,張勇傳,張俊宏,黃康迪.  中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(04)



本文編號(hào)：3309338