基于隨機森林和RBF人工神經網絡構建了新豐江水庫枯季入庫徑流中長期預報模型,首先采用隨機森林模型從74個水文氣象特征量和前期降雨、徑流中篩選預報因子,之后利用篩選的預報因子作為RBF神經網絡的輸入層,利用RBF神經網絡對新豐江水庫枯季入庫徑流每月的流量進行預報。結果表明,基于隨機森林和RBF人工神經網絡模型的枯季徑流中長期預報模型精度較高,其中訓練期平均合格率為91.24%,平均相對誤差為7.80%,檢驗期平均合格率為67.31%,平均相對誤差為26.73%,模型有較高的可靠性,預報結果可作為東江流域枯季徑流預報重要參考依據。

【文章頁數】：5 頁

【部分圖文】：

圖1預報模型結構

本研究以74個水文氣象特征量和前期降雨、徑流作為構建預報因子合集輸入到隨機森林模型中進行訓練,目標變量為當前枯季月份的徑流,解釋變量為當前月份前一年逐月的74項水文氣象特征和片區(qū)的降雨、徑流。根據解釋變量與每年該月的徑流的相關性,得到總的影響因子相關性序列。依據相關性從大到小選取....

圖2新豐江水庫10月入庫徑流模擬

訓練期及檢驗期的預報結果見圖2—8。根據GB/T22482—2008《水文情報預報規(guī)范》[15]規(guī)定,認為中長期徑流預報相對誤差小于等于20%時達到合格,各月份訓練期及檢測的20%合格率以及平均相對誤差見表2。圖3新豐江水庫11月入庫徑流模擬

圖3新豐江水庫11月入庫徑流模擬

圖2新豐江水庫10月入庫徑流模擬圖4新豐江水庫12月入庫徑流模擬

圖4新豐江水庫12月入庫徑流模擬

圖3新豐江水庫11月入庫徑流模擬圖5新豐江水庫1月入庫徑流模擬

本文編號：3977467