苏辉东1,2
,贾仰文2
,倪广恒1
,龚家国2
,曹雪健1
,张明曦1
,牛存稳2
,张 迪2
中国农村水利水电. 2018, (6):
40-43.
PDF
(
)
可视化
 
收藏
机器学习在各个领域以及交叉学科中有着广泛的应用。本文运用两种机器学习方法支持向量机回归SVR和BP人工神经网络,对长江流域河溶水文站2009~2014年逐日径流与日降水资料进行学习、训练以及预测。采用 效率系数和相对偏差 作为比较指标,与传统的分布式水文模型(THREW)进行比较。结果表明:THREW模型模拟效果好, 效率系数为0.609,具有清晰的物理过程和水文机理,但是模拟结果的相对偏误差 较大,数据要求较多,操作复杂。两种机器学习方法在相对偏误差 指标表现较好,都较好的模实现了对径流的预测,泛化能力较好,即具有将学习成果应用于新知识的能力。但是对数据依赖较大,数据样本容量越大,预测的结果会更理想。BP神经网络预测径流结果在相对偏误差 指标表现很好,但是在径流极大值的预测失真。本次模拟结果显示BP神经网络优于THREW模型优于SVR模拟结果。