基于贝叶斯模型加权平均法的径流序列高频分量预测研究

• 作者: 兰甜 张洪波 王斌 辛琛
• 来源期刊: 水力发电学报
• 学科: 地球科学
• 关键词: 径流预报 高频分量 贝叶斯模型加权平均法 无定河 非平稳序列
• 年，卷（期）: 2016,（5）
• 页码范围: 75-83
• 分类号: P338+.2
• 语种: 中文
• DOI: 10.11660/slfdxb.20160509

摘要

“分解—预测—重构”模式作为一种新的预测思路,已被广泛用于非平稳径流序列的中长期预测.但由于分解之后高频分量预测精度较差,致使该模式的预测效果并不理想.本文采用径向基神经网络(RBF)、自回归模型(AR)以及均生函数模型(MGF)分别对陕北无定河丁家沟站实测径流由经验模态分解(EMD)得到的高频分量进行预测,利用贝叶斯模型加权平均法(BMA)对其集成,着重分析比较了基于BMA的集成方法和单一模型的预测效果,验证了BMA方法在处理高频分量误差控制方面的可行性.结果显示基于BMA的高频分量预测的相对误差绝对平均值较单一模型有所降低,径流预测整体精度有显著提升.这表明BMA集成方法能够有效地降低径流序列中高频分量的预测误差,提高整体预测精度,可作为一种有效的方法,供其他类似非平稳预测问题所借鉴.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张洪波	长安大学环境科学与工程学院	49	314	11.0	13.0
5	王斌	长安大学环境科学与工程学院	14	77	6.0	8.0
6	辛琛		14	39	4.0	5.0
7	兰甜	长安大学环境科学与工程学院	5	46	5.0	5.0