發(fā)布時(shí)間：2024-06-01 21:54

　　可靠的中長期徑流預(yù)測對(duì)水資源開發(fā)等具有重要意義。為此,篩選了影響徑流的主要物理因子,引入極端梯度提升(XGBoost)算法構(gòu)建中長期徑流預(yù)測模型,通過納什效率系數(shù)評(píng)價(jià)模型精度,并與多元線性回歸模型(LR)、梯度提升決策樹模型(GBDT)進(jìn)行比較。實(shí)例應(yīng)用結(jié)果表明,該模型對(duì)月徑流過程的預(yù)測精度較高,訓(xùn)練期和驗(yàn)證期的納什效率系數(shù)均值分別達(dá)到了0.9和0.7,且泛化能力優(yōu)于GBDT模型和LR模型,用于中長期徑流預(yù)測具有一定的可靠性和穩(wěn)定性。

【文章頁數(shù)】：4 頁

【部分圖文】：

圖１實(shí)測徑流與模擬徑流關(guān)系圖Ｆｉｇ．１Ｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｍｅａｓｕｒｅｄｒｕｎｏｆｆａｎｄｓｉｍｕｌａｔｅｄｒｕｎｏｆｆｂｙｔｈｒｅｅｍｏｄｅｌｓ

?、Ｈｔ、Ｐ（ｔ－１）０．９２３４Ｐｔ、Ｗｔ、Ｒ（ｔ－１）０．８９２１０Ｐｔ、Ｐ（ｔ－１）０．９２７５Ｐｔ、Ｔｔ、Ｐ（ｔ－１）０．９４８１１Ｐｔ、Ｐ（ｔ－１）０．７３５６Ｐｔ、Ｈｔ０．８７７１２Ｐｔ、Ｒ（ｔ－１）０．６６０$#"徑流模擬與結(jié)果分析采用ＬＲ法、ＧＢＤＴ法和ＸＧＢｏｏ....

圖２ＸＧＢｏｏｓｔ模型觀測和模擬徑流過程對(duì)比Ｆｉｇ．２Ｃｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎｍｅａｓｕｒｅｄｒｕｎｏｆｆａｎｄ

，而驗(yàn)證期模型內(nèi)不存在實(shí)測數(shù)據(jù)，ＧＢＤＴ模型的兩個(gè)階段效果相差巨大，說明模型進(jìn)行了過度訓(xùn)練，導(dǎo)致驗(yàn)證期效果不佳，過擬合現(xiàn)象較為明顯；ＸＧＢｏｏｓｔ模型的泛化能力更強(qiáng)，模型更穩(wěn)定，較適用于徑流模擬及預(yù)測工作。為了直觀表示模型效果，分別繪制了模擬和預(yù)測過程中效果最好及最差月份的徑流過....

本文編號(hào)：3986437