基于PSO-WRF的渭河中下游年径流预测模型

作者：郑恺原; 向小华^*; 吴晓玲

来源：水利水电技术(中英文), 2020, 51(08): 39-44.

DOI：10.13928/j.cnki.wrahe.2020.08.005

• 粒子群算法
• 随机森林
• 加权投票
• 径流预测

针对传统随机森林(RF)模型决策树因投票权重相同而导致预测精度不高的问题,采用加权随机森林(WRF)模型全面考虑各决策树分类能力的差异性,建立决策树加权投票机制;同时运用粒子群算法(PSO)进行参数全局寻优,避免依据经验选取参数的不科学性,通过二者耦合最终构建PSO-WRF模型。利用渭河中下游咸阳站与华县站1960—2009年的径流系列对RF、WRF、PSO-WRF三种模型进行训练及测试,结果表明,PSO-WRF在咸阳站与华县站的平均相对误差绝对值(MRE)分别为7.05%和9.41%,且均方根误差(RMSE)、平均绝对误差(MAE)等指标均降至优化前的30%～50%,各年预测误差最低可降低至优化前的1/3～1/6。PSO-WRF模型优化效果显著,表现出良好的预测精度和泛化能力,能够为相关径流预测研究提供一定参考。

• 单位
  河海大学