基于在线学习与误差修正的珠江河口区盐度预报

• 作者: 周凡涵 刘丙军
• 来源期刊: 水文
• 学科: 工学
• 关键词: 盐水入侵 珠江河口区 误差修正 在线学习 实时预报
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 技术应用
• 页码范围: 59-66
• 页数: 8页
• 分类号: TV124
• 语种: 中文
• DOI: 10.19797/j.cnki.1000-0852.20200429

摘要

受潮汐、径流、风速风向、地形变化等多种海陆要素交互作用,河口区盐水入侵呈高度不确定性与非线性特征,盐度预报难度较大.利用在线学习算法与误差自回归修正方法在水文预报中时效性更强的优点,构建一种耦合在线序列极限学习机-误差修正(OSELM-EC)盐水入侵预报模型,选取珠江河口区磨刀门水道为典型研究区进行逐日盐度预报.结果表明:OSELM-EC模型能充分利用实时数据更新模型参数并对预报结果进行误差修正,从而有效提升盐度预报精度;预见期越长,OSELM-EC模型优势越明显,当预见期为1 d、3 d和5 d时,其相对于传统极限学习机(ELM)模型使纳什效率系数(NSE)分别提升0.50％、10.73％和18.67％,相对于在线序列极限学习机(OSELM)模型使NSE分别提升0.35％、4.55％和16.54％.