基于Box-Cox变换与Lasso回归的支持向量回归模型在月径流预报中的应用

作者：康艳; 杨沁瑜; 张芳琴; 宋松柏

来源：应用基础与工程科学学报, 2022, 30(01): 27-39.

DOI：10.16058/j.issn.1005-0930.2022.01.003

• 中长期径流预报
• 预报因子集
• Box-Cox变换
• Lasso回归
• SVR模型
• 渭河流域

为进一步提高中长期径流预报的精度,从而为水库调度决策及水资源配置管理提供更可靠的信息支撑,针对径流序列的偏态性和非线性特点,将Box-Cox变换与Lasso回归引入支持向量回归(SVR)模型,构建基于Box-Cox变换与Lasso回归的支持向量回归月径流预报模型(BC-LSVR Model),在对原径流序列进行相空间重构与Box-Cox变换的基础上采用Lasso回归筛选预报因子,进行径流预报研究.分别以Min-Max数据标准化方法及灰色(Gray)预报因子筛选法作为对比方法,构建MM-LSVR与BC-GSVR预报模型,对3种模型预报效果进行对比分析.将模型应用于渭河流域林家村等6个主要控制性水文站月径流预报,结果表明:BC-LSVR模型预报效果最好,在验证期,6个站点的预报平均绝对值相对误差(MARE)均小于20%,合格率(QR)均大于0.6,效率系数(Ens)大于0.52;在率定期和验证期,BC-LSVR模型的3项评价指标均优于MM-LSVR和BC-GSVR模型,说明引入Box-Cox变换及Lasso回归有效地提高了SVR模型的预报精度.

• 单位
  西北农林科技大学; 建筑工程学院