基于机器学习模型的短期降雨多模式集成预报

• 作者: 彭勇 李福威 王子茹 疏杏胜
• 来源期刊: 南水北调与水利科技
• 学科: 工学
• 关键词: 多模式 机器学习模型 短期降雨 集成预报
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 水文水资源
• 页码范围: 42-50
• 页数: 9页
• 分类号: TV125
• 字数: 7430字
• 语种: 中文
• DOI: 10.13476/j.cnki.nsbdqk.2020.0006

摘要

短期降雨预报对洪水预报和水库调度极为重要,提高短期降雨预报精度有着重要的意义.以TIGGE资料中心的ECMWF、CMA及NCEP三个集合预报中心发布的桓仁水库流域预报降雨数据为基础,利用ANN、ELM以及SVM模型对桓仁水库流域未来1～3 d降雨进行多模式集成预报,以期提高预报精度,并从绝对平均误差、均方根误差、相对误差、纳什系数、预报准确率等多个方面分析了集成预报的效果.试验结果表明,基于SVM和ELM的多模式集成预报模型预报效果均优于单一模式,基于ANN的集成预报模型在输入因子选择合适的情况下,其预报效果也优于单一模式,三种模型中,SVM模型对降雨预报精度改善最为明显.说明基于机器学习模型的多模式降雨集成预报方法可行且能够提高短期预报降雨精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王子茹	大连理工大学建设工程学部	52	259	9.0	14.0
2	彭勇	大连理工大学建设工程学部	83	639	15.0	20.0
3	疏杏胜	大连理工大学建设工程学部	1	0	0.0	0.0