基于贝叶斯平均的托坎廷斯河流域径流集合概率预报OA
数据驱动模型擅长从海量数据中挖掘规律,机理模型基于物理定律解释性强,两者融合可优势互补,提高预报精度和可靠性。以巴西托坎廷斯河流域为例,采用贝叶斯模型平均(BMA)方法将机理水文模型与数据驱动模型进行融合,以提高径流预报的精度和可靠性。结果表明:相关向量机模型在托坎廷斯河流域模拟效果最好;采用BMA方法进行模型融合后的模拟结果与观测结果拟合较好,尤其在流量峰值模拟效果更佳;BMA方法给出的90%置信区间有效覆盖了实测值,提高了径流预报的可靠性。
刘琨;吕振豫;李梦杰;殷兆凯;梁犁丽
中国长江三峡集团有限公司科学技术研究院,北京101117中国长江三峡集团有限公司科学技术研究院,北京101117中国长江三峡集团有限公司科学技术研究院,北京101117中国长江三峡集团有限公司科学技术研究院,北京101117中国长江三峡集团有限公司科学技术研究院,北京101117
建筑与水利
水文预报数据驱动贝叶斯模型平均集合预报概率预报
《南水北调与水利科技(中英文)》 2026 (S1)
P.45-50,6
湖北省自然科学基金青年项目(2022CFB836)中国长江三峡集团有限公司自主科研项目(NBZZ202300411)。
评论