基于随机森林和RBF人工神经网络模型的新丰江水库枯季入库径流中长期预报

发布时间：2024-05-19 01:58

　　基于随机森林和RBF人工神经网络构建了新丰江水库枯季入库径流中长期预报模型,首先采用随机森林模型从74个水文气象特征量和前期降雨、径流中筛选预报因子,之后利用筛选的预报因子作为RBF神经网络的输入层,利用RBF神经网络对新丰江水库枯季入库径流每月的流量进行预报。结果表明,基于随机森林和RBF人工神经网络模型的枯季径流中长期预报模型精度较高,其中训练期平均合格率为91.24%,平均相对误差为7.80%,检验期平均合格率为67.31%,平均相对误差为26.73%,模型有较高的可靠性,预报结果可作为东江流域枯季径流预报重要参考依据。

【文章页数】：5 页

【部分图文】：

图1预报模型结构

本研究以74个水文气象特征量和前期降雨、径流作为构建预报因子合集输入到随机森林模型中进行训练,目标变量为当前枯季月份的径流,解释变量为当前月份前一年逐月的74项水文气象特征和片区的降雨、径流。根据解释变量与每年该月的径流的相关性,得到总的影响因子相关性序列。依据相关性从大到小选取....

图2新丰江水库10月入库径流模拟

训练期及检验期的预报结果见图2—8。根据GB/T22482—2008《水文情报预报规范》[15]规定,认为中长期径流预报相对误差小于等于20%时达到合格,各月份训练期及检测的20%合格率以及平均相对误差见表2。图3新丰江水库11月入库径流模拟

图3新丰江水库11月入库径流模拟

图2新丰江水库10月入库径流模拟图4新丰江水库12月入库径流模拟

图4新丰江水库12月入库径流模拟

图3新丰江水库11月入库径流模拟图5新丰江水库1月入库径流模拟

本文编号：3977467