MIC-PCA耦合算法在径流预报因子筛选中的应用

• 作者: 李宁宁 李贵博 王丽萍 纪昌明 马皓宇
• 来源期刊: 中国农村水利水电
• 学科: 地球科学
• 关键词: 径流预报 最大信息系数 主成分分析 因子筛选 神经网络
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 水文水资源
• 页码范围: 36-41,51
• 页数: 7页
• 分类号: TV121|P338+.9
• 字数: 8028字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-2284.2018.09.007

摘要

解决径流预报因子筛选中存在的信息量不足或冗余等问题,引入一种具有普适性的新的相关关系分析方法——最大信息系数法(MIC),并结合主成分分析法剔除冗余信息实现变量空间降维的能力,提出最大信息系数——主成分分析耦合算法(MIC-PCA).以雅砻江流域打罗水文站日径流预报为例,将MIC-PCA与多种因子筛选方法的筛选结果进行对比,并将各方法筛选出的因子集输入到BP人工神经网络对日径流进行预报以验证其合理性.结果表明,该方法较现行方法,能为预报模型提供更加科学有效的输入,从而提高模型的预报精度,对水文预报研究有着一定的理论意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	纪昌明	华北电力大学可再生能源学院	189	1989	24.0	34.0
2	王丽萍	华北电力大学可再生能源学院	111	1321	21.0	30.0
3	李宁宁	华北电力大学可再生能源学院	13	13	2.0	3.0
4	马皓宇	华北电力大学可再生能源学院	9	13	2.0	3.0
5	李贵博	华北电力大学可再生能源学院	2	1	1.0	1.0