基于物理成因的中长期径流预测模型研究

发布时间：2024-06-01 21:54

　　可靠的中长期径流预测对水资源开发等具有重要意义。为此,筛选了影响径流的主要物理因子,引入极端梯度提升(XGBoost)算法构建中长期径流预测模型,通过纳什效率系数评价模型精度,并与多元线性回归模型(LR)、梯度提升决策树模型(GBDT)进行比较。实例应用结果表明,该模型对月径流过程的预测精度较高,训练期和验证期的纳什效率系数均值分别达到了0.9和0.7,且泛化能力优于GBDT模型和LR模型,用于中长期径流预测具有一定的可靠性和稳定性。

【文章页数】：4 页

【部分图文】：

图１实测径流与模拟径流关系图Ｆｉｇ．１Ｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｍｅａｓｕｒｅｄｒｕｎｏｆｆａｎｄｓｉｍｕｌａｔｅｄｒｕｎｏｆｆｂｙｔｈｒｅｅｍｏｄｅｌｓ

?、Ｈｔ、Ｐ（ｔ－１）０．９２３４Ｐｔ、Ｗｔ、Ｒ（ｔ－１）０．８９２１０Ｐｔ、Ｐ（ｔ－１）０．９２７５Ｐｔ、Ｔｔ、Ｐ（ｔ－１）０．９４８１１Ｐｔ、Ｐ（ｔ－１）０．７３５６Ｐｔ、Ｈｔ０．８７７１２Ｐｔ、Ｒ（ｔ－１）０．６６０$#"径流模拟与结果分析采用ＬＲ法、ＧＢＤＴ法和ＸＧＢｏｏ....

图２ＸＧＢｏｏｓｔ模型观测和模拟径流过程对比Ｆｉｇ．２Ｃｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎｍｅａｓｕｒｅｄｒｕｎｏｆｆａｎｄ

，而验证期模型内不存在实测数据，ＧＢＤＴ模型的两个阶段效果相差巨大，说明模型进行了过度训练，导致验证期效果不佳，过拟合现象较为明显；ＸＧＢｏｏｓｔ模型的泛化能力更强，模型更稳定，较适用于径流模拟及预测工作。为了直观表示模型效果，分别绘制了模拟和预测过程中效果最好及最差月份的径流过....

本文编号：3986437