基于VIF-GBRT-MC模型的日径流预测

作     者：张上要 宋雄 顷宏利 龙章发 刘连燚 ZHANG Shang-yao;SONG Xiong;QING Hong-li;LONG Zhang-fa;LIU Lian-yi

作者机构：中国电建集团贵阳勘测设计研究院有限公司贵州贵阳550081 

基　　金：中国电建集团贵阳勘测设计研究院有限公司科技项目[新型水位雨量站研发(YJ2022-11)] 

出 版 物：《中国农村水利水电》 (China Rural Water and Hydropower)

年 卷 期：2024年第9期

页      码：204-210页

摘      要：针对气象数据驱动模型在预测径流面临的特征间多重共线性及预测精度较低的问题,将方差膨胀因子VIF、梯度提升回归树GBRT模型和马尔科夫链MC误差修正模型相结合,建立VIF-GBRT-MC组合预测模型。选取汉江流域洋县水文站的日径流进行实例分析,并与单一模型GBRT、长短期记忆神经网络LSTM、支持向量机SVM及相应组合模型VIF-GBRT、VIF-LSTM、VIF-SVM、VIF-LSTM-MC和VIF-SVM-MC的预测结果进行对比分析。采用纳什效率系数NSE、均方根误差归一化NRMSE、平均绝对百分比误差MAPE(%)、峰值预测性能评价指标PPTS(5)和合格率QR(%)对模型的预测结果进行评价。研究结果表明:①VIF能够有效选取对模型预测有利的特征,改善特征间的多重共线性问题,降低模型过拟合的风险,从而提高模型预测精度。②MC误差修正模型能够准确识别未来时刻径流的预测值可能所处的误差状态,并加以修正,进一步提高径流预测的准确性。③GBRT模型相比LSTM和SVM模型,它能够更好适应径流和气象因子的非线性特征,相比其他子模型有着更强的预测能力。将GBRT与VIF和MC模型组合构成VIF-GBRT-MC模型,能够有效降低径流非一致性的影响,显著提高径流的预测精度。研究项目为实际径流预测工作提供了有效的预测方法,并为应对气候变化和人类活动对径流预测带来的挑战提供了一种可行方案。

主 题 词：径流预测 方差膨胀因子 梯度提升回归树 马尔科夫链 

学科分类：08[工学] 081501[081501] 0815[工学-矿业类] 

D　O　I：10.12396/znsd.240538

馆 藏 号：203128402...