基于预报因子聚类分级的日径流预报深度信念模型及应用

• 作者: 初海波 李家叶 李铁键 王东方 魏加华 黄跃飞
• 来源期刊: 应用基础与工程科学学报
• 学科: 地球科学
• 关键词: 预测因子分级 FCM聚类 深度信念网络 径流预报 龙羊峡水库
• 年，卷（期）: 2018,（5）
• 页码范围: 929-939
• 页数: 11页
• 分类号: P338
• 语种: 中文
• DOI: 10.16058/j.issn.1005-0930.2018.05.001

摘要

径流预报是水库运行调度的重要决策依据,提高入库径流预报精度,对水库优化调度和水资源高效利用具有重要意义.本文提出一种基于大样本数据分级策略的深度信念网络模型(Deep Belief Networks,DBN),以龙羊峡入库径流预报为例,采用Fuzzy C-means(FCM)聚类方法,将总样本训练集分为不同训练样本子集;不同样本子集下,对不同预报因子(只考虑降雨、考虑不同时期的降雨及同时考虑降雨及前期径流),分别建立DBN模型和人工神经网络模型(Artificial Neural Network,ANN),分析样本分级和考虑不同因子情况下不同模型的预报结果.结果表明:与不考虑预报因子分级的预报模型相比,基于时间序列聚类的预报模型显著提高了径流预报的精度;通过FCM聚类,将样本分为3类,考虑降雨及前期径流作为预报因子进行分级时,比只考虑降雨、考虑不同时期的降雨时建立的预报模型的预测精度更高.用该模型进行龙羊峡水库入流日径流预报,提高了预报精度,可为龙羊峡水库调度提供决策支持.