典型文献
入库径流过程预报误差多维随机模拟模型
文献摘要：
包含多个预见期的入库径流过程预报误差的随机模拟随着维度增加而难度增大.为了更加精确快速地分析和得到入库径流过程预报误差的变化规律,本文利用变分自编码器(VAE)方法耦合神经网络和低维隐变量的模拟生成复杂高维数据的特性,建立了基于VAE的入库径流过程预报误差随机模拟模型.以锦屏一级水电站的入库径流过程预报误差模拟为例,将以上模型与改进的Gibbs方法的模拟效果进行对比.结果表明,本文模型所得误差序列的均值、标准差、峰度系数等特征统计量更贴近于实际误差序列,且程序运行时间相比改进的Gibbs方法减少了69％ ～94％,为考虑入库径流预报不确定性的水电站水库调度提供了更为丰富的参考信息.
文献关键词：
入库径流;预报误差;多维随机模拟;变分自编码器;改进的Gibbs方法;锦屏一级水电站水库
中图分类号：
作者姓名：
张验科;邰雨航;王远坤;马秋梅
作者机构：
华北电力大学 水利与水电工程学院,北京 102206
文献出处：
引用格式：
[1]张验科;邰雨航;王远坤;马秋梅-.入库径流过程预报误差多维随机模拟模型)[J].水力发电学报,2022(04):62-70
A类：
多维随机模拟,锦屏一级水电站水库
B类：
入库径流,径流过程,预报误差,模拟模型,预见期,变分自编码器,VAE,耦合神经网络,低维,隐变量,高维数据,拟为,Gibbs,峰度,特征统计,统计量,程序运行,运行时间,径流预报,预报不确定性,确定性的,水库调度,考信
AB值：
0.22132
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
