| 基于k-最近邻筛选的BMA集合预报模型研究 |
| |
| 作者姓名： | 刘开磊 李致家 姚成 韩通 钟栗 孙如飞 |
| |
| 作者单位： | 淮河水利委员会水文局(信息中心), 安徽 蚌埠 233000,河海大学水文水资源学院, 江苏 南京 210098,河海大学水文水资源学院, 江苏 南京 210098,河海大学水文水资源学院, 江苏 南京 210098,河海大学水文水资源学院, 江苏 南京 210098,河海大学水文水资源学院, 江苏 南京 210098 |
| |
| 基金项目： | 国家重点研发计划项目（2016YFC0400909）;国家自然科学基金项目（41130639,51179045,41101017,41201028） |
| |
| 摘 要： | 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。
|
| 关 键 词： | 集合预报 样本筛选 k-最近邻 贝叶斯模型平均法 高斯混合模型 |
| 收稿时间： | 2015-09-15 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《水利学报》浏览原始摘要信息 |
|
点击此处可从《水利学报》下载免费的PDF全文 |
|
