基于贝叶斯平均法的洪水分类组合预报研究

发布时间：2021-04-25 18:21

　　以实测样本隶属于某一模型的后验概率为权重,对各模型预报变量的后验分布进行加权平均,获得综合预报变量的概率密度函数,进而推导出均值、方差公式和置信区间。将"基于BP神经网络和遗传算法的分类洪水预报"与"基于贝叶斯模型平均法的多模型组合预报"相结合,实现"洪水分类多模型加权组合预报"。该方法综合考虑了各模型对不同类型洪水的适应条件及多个模型的优势,可同步降低模型参数与模型结构不确定性对预报结果的影响。以大伙房水库为研究区域,采用大伙房水库1960年～2016年的25场历史典型洪水作为本研究的基础资料,分别完成实例验证与分析,效果整体上优于单个模型。 

【文章来源】：水力发电. 2020,46(03)北大核心

【文章页数】：9 页

【文章目录】：
0 引言
1 基于贝叶斯模型平均法的组合预报
    1.1 贝叶斯平均法基本原理
    1.2 基于贝叶斯平均法的组合预报
        1.2.1 概率密度函数
        1.2.2 期望与方差计算
        1.2.3 正态转换
        1.2.4 期望最大化算法
2 基于神经网络和贝叶斯平均法的分类组合预报
    2.1 模型构建
    2.2 模型计算
3 基于蒙特卡罗法的不确定性区间估计
4 分类洪水组合预报模型实例验证
    4.1 基础资料
    4.2 验证与分析
        4.2.1 正态转换
        4.2.2 参数估计
        4.2.3 评定指标
        4.2.4 预报值对比分析
        4.2.5 预报区间对比分析
    4.3 结果分析
5 结论


【参考文献】：
期刊论文
[1]基于贝叶斯模型平均法的洪水集合概率预报[J]. 王倩,师鹏飞,宋培兵,杨涛.  水电能源科学. 2016(06)
[2]基于贝叶斯模型加权平均法的径流序列高频分量预测研究[J]. 王斌,张洪波,辛琛,兰甜.  水力发电学报. 2016(05)
[3]贝叶斯模型平均法在流域组合预报中的应用[J]. 石琳,刘洋.  水利科技与经济. 2014(12)
[4]变权组合预测模型在洪水预报中的应用[J]. 肖洁,罗军刚,解建仓,陈晨.  西北农林科技大学学报(自然科学版). 2013(02)
[5]一种求解贝叶斯模型平均的新方法[J]. 田向军,谢正辉,王爱慧,杨晓春.  中国科学:地球科学. 2011(11)
[6]基于贝叶斯模型加权平均方法的水文模型不确定性分析[J]. 董磊华,熊立华,万民.  水利学报. 2011(09)
[7]基于贝叶斯模型平均理论的水文模型合成预报研究[J]. 梁忠民,戴荣,王军,余钟波.  水力发电学报. 2010(02)
[8]基于投影寻踪和粒子群优化算法的洪水分类研究[J]. 董前进,王先甲,艾学山,张艳敏.  水文. 2007(04)
[9]水文分析计算中两种正态变换方法的比较研究[J]. 梁忠民,戴昌军.  水电能源科学. 2005(02)

硕士论文
[1]流域水文模型参数优化问题研究[D]. 栾承梅.河海大学 2005



本文编号：3159863