基于k-最近邻筛选的BMA集合预报模型研究

• 作者: 刘开磊 姚成 孙如飞 李致家 钟栗 韩通
• 来源期刊: 水利学报
• 学科: 地球科学
• 关键词: 集合预报 样本筛选 k-最近邻 贝叶斯模型平均法 高斯混合模型
• 年，卷（期）: 2017,（4）
• 页码范围: 390-397,407
• 页数: 9页
• 分类号: P333
• 字数: 5981字
• 语种: 中文
• DOI: 10.13243/j.cnki.slxb.20150978

摘要

针对冗余训练样本会降低BMA参数求解效率与精度问题,本文提出在BMA运算之前采用k-最近邻(k-nearest neighbor)算法筛选有价值训练样本,并用于BMA参数求解的改进模型.模拟试验在淮河王家坝站进行,分别以k-最近邻筛选、不筛选两种方案为BMA提供训练样本,统计分析两种方案中王家坝站流量模拟结果,评价BMA改进法的性能.模拟结果显示,采用k-最近邻样本筛选方法后,BMA模型对洪水过程以及洪峰的预报精度提升明显;概率预报结果的离散程度降低的同时,可靠性程度获得提升.k-最近邻样本筛选方法的引入,能够有效去除BMA模型训练样本中的冗余数据,以少量的样本获得更可靠的模型参数,改善集合预报性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李致家	河海大学水文水资源学院	176	1917	22.0	34.0
2	韩通	河海大学水文水资源学院	4	37	3.0	4.0
3	姚成	河海大学水文水资源学院	53	626	15.0	22.0
4	孙如飞	河海大学水文水资源学院	2	13	2.0	2.0
5	钟栗	河海大学水文水资源学院	5	15	2.0	3.0