| 洪水预报智能模型在中国半干旱半湿润区的应用对比 |
| |
| 引用本文： | 张珂,牛杰帆,李曦,晁丽君. 洪水预报智能模型在中国半干旱半湿润区的应用对比[J]. 水资源保护, 2021, 37(1): 28-35 |
| |
| 作者姓名： | 张珂 牛杰帆 李曦 晁丽君 |
| |
| 作者单位： | 河海大学水文水资源与水利工程科学国家重点实验室, 江苏 南京 210098; 河海大学水文水资源学院, 江苏 南京 210098; 长江保护与绿色发展研究院, 江苏 南京 210098; 中国气象局-河海大学水文气象研究联合实验室, 江苏 南京 210098 |
| |
| 基金项目： | 国家重点研发计划(2018YFC1508101)；江苏省杰出青年基金(BK20180022)；江苏省“六大人才高峰”项目(NY-004) |
| |
| 摘 要： | 为探究不同洪水预报智能模型在我国半干旱半湿润区的应用效果,选用决策树、多层感知器、随机森林和支持向量机4种模型在陕西省3个典型流域进行逐时洪水预报;选择相关系数、纳什效率系数、均方根误差、平均绝对误差和相对误差等评价指标,比较不同预见期下4种模型在半干旱半湿润典型流域洪水预报的适用性。结果表明:在短预见期预报中,4种模型在半湿润区典型流域均可获得较高的预报结果,在半干旱典型流域模拟精度相对偏低,仅支持向量机模型满足预报要求;随着预见期延长,不同模型性能变化差异大,支持向量机模型整体稳定,在小流域实时洪水预报中具有明显优势;随机森林模型与决策树模型精度随预见期延长而缓慢下降,前者适应性更好;多层感知器模型精度随预见期延长而骤减,模型稳定性较差。
|
| 关 键 词： | 洪水预报 智能模型 决策树 多层感知器 随机森林 人工神经网络 支持向量机 |
| 收稿时间： | 2020-09-12 |
Comparison of artificial intelligence flood forecasting models in China's semi-arid and semi-humid regions |
| |
| ZHANG Ke,NIU Jiefan,LI Xi,CHAO Lijun. Comparison of artificial intelligence flood forecasting models in China's semi-arid and semi-humid regions[J]. Water Resources Protection, 2021, 37(1): 28-35 |
| |
| Authors: | ZHANG Ke NIU Jiefan LI Xi CHAO Lijun |
| |
| Affiliation: | State Key Laboratory of Hydrology-Water Recourses and Hydraulic Engineering, Hohai University, Nanjing 210098, China; College of Hydrology and Water Recourses, Hohai University, Nanjing 210098, China; Yangtze Institute for Conservation and Development, Nanjing 210098, China; CMA-HHU Joint Laboratory for HydroMeteorological Studies, Nanjing 210098, China |
| |
| Abstract: | |
| |
| Keywords: | flood foresting artificial intelligence model decision tree multilayer perception random forest artificial neural network support vector machine |
|
| 点击此处可从《水资源保护》浏览原始摘要信息 |
|
点击此处可从《水资源保护》下载全文 |
|
