基于集成學(xué)習(xí)的中長(zhǎng)期水文預(yù)報(bào)研究.pdf

1、近年來(lái)，我國(guó)洪澇災(zāi)害十分頻繁，對(duì)經(jīng)濟(jì)和社會(huì)發(fā)展造成了巨大的損失。中長(zhǎng)期水文預(yù)報(bào)具有較長(zhǎng)的預(yù)見(jiàn)期，是一項(xiàng)重要的水利基本工作和防災(zāi)減災(zāi)的非工程措施，能夠使人們?cè)诮鉀Q以防洪為代表的水資源相關(guān)問(wèn)題時(shí)，盡早進(jìn)行相關(guān)工作安排，減小損失以及增加效益。然而水文系統(tǒng)受到多方面因素影響，是一個(gè)復(fù)雜的系統(tǒng)，傳統(tǒng)方法難以滿足精度要求。如何引入新的預(yù)報(bào)模型、提高中長(zhǎng)期水文預(yù)報(bào)的精度顯得越來(lái)越重要。
　　本文在綜述國(guó)內(nèi)外中長(zhǎng)期水文預(yù)報(bào)模型的基礎(chǔ)上，以虎跳峽壩

2、區(qū)歷史徑流為研究對(duì)象，引入機(jī)器學(xué)習(xí)領(lǐng)域中廣泛應(yīng)用的集成學(xué)習(xí)方法，為中長(zhǎng)期水文預(yù)報(bào)研究介紹了新的思路。本文首先通過(guò)互信息值這一指標(biāo)分析了虎跳峽壩區(qū)的大氣環(huán)流指數(shù)和歷史徑流等相關(guān)預(yù)報(bào)因子信息，挑選出150個(gè)相關(guān)指標(biāo)作為預(yù)報(bào)特征。在此基礎(chǔ)上經(jīng)過(guò)深入研究，選擇具有代表性的梯度提升樹(shù)(GBRT)和隨機(jī)森林(RF)算法以及結(jié)合策略，通過(guò)各種方式將回歸樹(shù)這種基學(xué)習(xí)器集成起來(lái)，有效地增加算法的泛化能力和降低過(guò)擬合的風(fēng)險(xiǎn)。實(shí)例分析中對(duì)虎跳峽壩區(qū)1959-

3、1992年相關(guān)數(shù)據(jù)進(jìn)行建模，并詳細(xì)展示了各算法參數(shù)的選取過(guò)程，利用1993-2000年月徑流資料對(duì)幾個(gè)模型進(jìn)行預(yù)測(cè)與驗(yàn)證，并與單一學(xué)習(xí)器支持向量機(jī)(SVM)進(jìn)行比較分析；隨后在利用GBRT和RF的基學(xué)習(xí)器——決策樹(shù)劃分結(jié)點(diǎn)時(shí)會(huì)將重要結(jié)點(diǎn)優(yōu)先劃分的特性，選擇了10個(gè)最重要特征，并以線性回歸為基準(zhǔn)比較了各集成學(xué)習(xí)方法的優(yōu)劣。研究結(jié)果表明，GBRT和RF集成學(xué)習(xí)方法在不同評(píng)價(jià)指標(biāo)下各有優(yōu)劣，RF預(yù)測(cè)得到的優(yōu)秀結(jié)果要多于GBRT，但整體平均誤差