排序方式: 共有5条查询结果,搜索用时 31 毫秒
1
1.
针对冗余训练样本会降低BMA参数求解效率与精度问题,本文提出在BMA运算之前采用k-最近邻(k-nearest neighbor)算法筛选有价值训练样本,并用于BMA参数求解的改进模型。模拟试验在淮河王家坝站进行,分别以k-最近邻筛选、不筛选两种方案为BMA提供训练样本,统计分析两种方案中王家坝站流量模拟结果,评价BMA改进法的性能。模拟结果显示,采用k-最近邻样本筛选方法后,BMA模型对洪水过程以及洪峰的预报精度提升明显;概率预报结果的离散程度降低的同时,可靠性程度获得提升。k-最近邻样本筛选方法的引入,能够有效去除BMA模型训练样本中的冗余数据,以少量的样本获得更可靠的模型参数,改善集合预报性能。 相似文献
2.
3.
4.
山洪灾害风险分区可以为山洪灾害风险防治和管理提供决策支持。从触发因子、下垫面孕灾因子、承灾体因子3个层次选取11个山洪致灾因子,用于划分山洪灾害风险分区。前期收集11个致灾因子的离散数据,利用克里金插值生成栅格数据,采用层次分析法确定各因子的向量权重,构建了山洪灾害风险等级评估模型,用于划分山洪灾害风险分区。选定宁波市作为研究区,采用以上方法划分风险分区,其中,高风险区域为宁海山区片,中风险区域有象山港南片、象山港北片及四明山区片,低风险区域有奉化山区片和姚江北部山区片。结合宁波市历史山洪灾害调查资料及风险等级成果,统计发现落在中高风险区的历史灾害点占比为98%,表明模型构建方法及风险分区划分合理,对山洪灾害风险管理具有指导意义。 相似文献
5.
1