BRR-SVR月降水量预测优化模型

• 作者: 王栋 王远坤 贺玉琪
• 来源期刊: 水利学报
• 学科: 地球科学
• 关键词: 贝叶斯岭回归 支持向量机回归 小波变换 降水预测 优化模型
• 年，卷（期）: 2019,（12）
• 页码范围: 1529-1537
• 页数: 9页
• 分类号: P333.6
• 字数: 6318字
• 语种: 中文
• DOI: 10.13243/j.cnki.slxb.20190479

摘要

受多种因素影响,水文时间序列具有非平稳性.研究时间序列的传统模型如ARMA对数据的平稳性有较高要求,不适用于非平稳水文时间序列的研究.近年来,机器学习算法越来越多地被应用于研究水文过程,本文将支持向量机回归(SVR)和贝叶斯岭回归(BRR)应用于月降水量的预测.运用小波变换对降水数据进行分解和重构,然后对各子序列进行相空间重构,运用校验数据从SVR和BRR中选取每个子序列上精度更高的模型,构建耦合支持向量机回归和贝叶斯岭回归的BRR-SVR优化模型,并与单一的BRR模型和SVR模型加以对比.以北京站、南京站和太湖流域7个雨量站为例,采用确定系数、平均绝对百分比误差和平均绝对误差3项指标评估各模型的预测性能,以相对误差图探讨三类模型之间的差异,计算结果验证优化模型的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王栋	南京大学地球科学与工程学院	66	1002	18.0	30.0
2	王远坤	南京大学地球科学与工程学院	25	93	6.0	9.0
3	贺玉琪	南京大学地球科学与工程学院	1	0	0.0	0.0