科研之友
微信
新浪微博
Facebook
分享链接
摘要
雅砻江流域地面气象站点不足、分布不均，难以获得精确的流域面降雨资料，加之传统中长期径流预报模型泛化能力有限，中长期径流预报存在较大瓶颈。充分考虑流域水库间的物理联系，基于上下游水库流量变化在时空上的相似性，在对1957年—2020年锦屏一级水库和二滩水库的历史月径流数据进行主成分分析的基础上，使用BP人工神经网络、随机森林和支持向量回归3种机器学习方法建立3种径流预报模型，通过决定系数R2，合格率QR以及平均相对误差MRE三项指标构成的评价体系对预测结果进行评估。结果表明，上游水库对于下游水库的入库流量具有显著影响，且3种模型在二滩水库中长期径流预报上均具有较好的预报效果(R2大于0.8、QR大于0.7、MRE小于0.2)。随机森林模型模拟效果整体优于BP人工神经网络和支持向量回归模型，3种模型均具有较好的实用性，能为流域水资源精细化调度及科学管理提供数据基础。
-
单位四川大学; 国家电网公司
