基于多因子组合的SVR模型在松花江流域径流预报中的应用

作者：朱春苗; 吴海江; 宋小燕^*; 宋松柏

来源：水电能源科学, 2021, 39(06): 12-41.

• 相关系数法
• 主成分分析法
• 互信息法
• SVR模型
• 松花江流域

为对数据驱动的径流预报模型的预报因子进行方案优选,利用相关系数法(CA)对松花江流域上游3个水文代表站(大赉站、扶余站、哈尔滨站)的月径流、佳木斯站的月降水和74项大气环流指数等潜在预报因子进行初筛,然后用主成分分析法(PCA)、互信息法(MI)进一步优选因子,最后基于支持向量机回归模型(SVR)结合选取的潜在预报因子(共9种组合方式)预报松花江流域佳木斯站的月径流,并采用均方根误差(RMSE)、平均相对误差(MRE)、决定性系数(R2)、合格率(QR)评价不同预报因子组合间的SVR模型的预报性能。结果表明,SVR结合7因子的PCA模型与其他因子组合的SVR模型相比,更适用于松花江流域的月径流预报,其RMSE、MRE、R2、QR分别为856.68m3/s、31.4%、0.809 4、73.3%,各项评价指标均优于其他因子组合方案。

• 单位
  建筑工程学院; 西北农林科技大学