文章摘要:流域径流过程与大尺度气候因子之间存在遥相关关系,如何从众多的水文、气象、大气环流及洋流等因子中找出与径流密切关联的因子,是中长期径流预报的一个难题。将基于贝叶斯优化(SMAC框架)的随机森林模型应用于对水文、气象、气候因子构成的高维度因子集进行因子选择,根据变量重要性评分挑选对月径流影响较大的预报因子,构建广义回归神经网络、极限学习机、支持向量回归径流预报模型。将该方法应用到金沙江流域,相较于线性相关法,基于随机森林输入因子选择的方法提高了模型泛化性能;遥相关因子的引入既实现了流域月径流高精度预报,又从物理机制上提供了支撑。
文章关键词:
项目基金:国家自然科学基金雅砻江联合基金项目(U1865202),国家自然科学基金重大研究计划重点支持项目(91547208),浙江气象 网址: http://zjqx.400nongye.com/lunwen/itemid-128613.shtml
上一篇: 气象学论文_浙江臭氧污染特征及与气象条件关系分析
下一篇: 暂无