耦合二次因子筛选和深度学习的径流预报研究

• 作者: 程立文 黄生志 李沛 李紫妍 贾松涛 黄强 西安理工大学西北旱区生态水利工程国家重点实验室培育基地
• 来源期刊: 人民珠江
• 关键词: 径流预报 因子筛选 SVR LSTM 渭河流域
• 年，卷（期）: 2023,（6）
• 页码范围: 45-56,73
• 页数: 13页
• 语种: 中文

摘要

径流影响因子的有效筛选是径流预报研究的关键环节。然而影响径流的要素众多，且因子间存在复杂的相互作用。现有研究大都采用一次因子筛选的数值驱动模型，且研究结果表明输入因子在空间上存在数据冗余，导致预报效果不佳。基于此，以渭河流域为例，对比分析支持向量回归(SVR)与长短记忆网络模型(LSTM),并选出最优的预报模型为LSTM模型。采用主成分分析法与灰色关联度分析法对输入项进行二次筛选，形成主成分分析、灰色关联度分析法与长短记忆网络的耦合模型。结果表明：(1)LSTM的拟合精度高于SVR;(2)二次筛选输入项提升了预报精度，耦合模型的预报精度均优于单一模型，其中耦合模型相对单一模型的模型精度评价指标均有大幅度提升；(3)灰色系统关联分析耦合模型相比主成分耦合模型的纳什效率系数、确定性系数分别提升了0.13%、0.03%,观测值标准偏差比提升了42.9%。研究表明采用灰色关联度进行二次因子筛选，能够有效提高预报精度。