典型文献
基于Stacking集成框架的水文模型组合预报研究
文献摘要：
为研究一种应用Stacking集成多种水文模型预报洪水的方法,首先采用XAJ、Tank、SAC、SMAR、HYMOD和GR4J共6种水文模型分别预报流域洪水,然后基于Stacking集成框架,分别选取AdaBoost、CatBoost、RF、SVM和XGB共5种学习器将6种水文模型进行综合,实现多模型的组合预报.选取洪峰、洪量相对误差、纳什效率系数等指标,分别评价了 6种水文预报模型及5种综合方法的预报精度,并以东河深渡流域和淮河北庙集流域为例进行研究.结果表明,不同水文模型在不同评价指标上各有优劣,对研究的流域尚无法确定一个最优模型;但对各模型集成后,其预报精度整体上均优于单模型的结果,其中以基于RF和XGB的组合预报效果最佳.可见采用Stacking集成框架进行多水文模型组合预报能够发挥各模型优势,整体上提高了预报精度.
文献关键词：
水文模型;洪水组合预报;Stacking集成框架;北庙集流域;深渡流域
中图分类号：
作者姓名：
段雅楠;梁忠民;赵建飞;仇知雨;李彬权
作者机构：
河海大学水文水资源学院,江苏南京210098
文献出处：
引用格式：
[1]段雅楠;梁忠民;赵建飞;仇知雨;李彬权-.基于Stacking集成框架的水文模型组合预报研究)[J].水电能源科学,2022(09):27-30,39
A类：
SMAR,HYMOD,深渡流域,北庙集流域,洪水组合预报
B类：
Stacking,集成框架,水文模型,模型组合,XAJ,Tank,SAC,GR4J,流域洪水,AdaBoost,CatBoost,RF,XGB,多模型,洪峰,洪量,纳什,水文预报,预报模型,综合方法,预报精度,东河,淮河,最优模型,模型集成,单模,预报效果
AB值：
0.300728
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。
