典型文献
基于在线学习与误差修正的珠江河口区盐度预报
文献摘要：
受潮汐、径流、风速风向、地形变化等多种海陆要素交互作用,河口区盐水入侵呈高度不确定性与非线性特征,盐度预报难度较大.利用在线学习算法与误差自回归修正方法在水文预报中时效性更强的优点,构建一种耦合在线序列极限学习机-误差修正(OSELM-EC)盐水入侵预报模型,选取珠江河口区磨刀门水道为典型研究区进行逐日盐度预报.结果表明:OSELM-EC模型能充分利用实时数据更新模型参数并对预报结果进行误差修正,从而有效提升盐度预报精度;预见期越长,OSELM-EC模型优势越明显,当预见期为1 d、3 d和5 d时,其相对于传统极限学习机(ELM)模型使纳什效率系数(NSE)分别提升0.50％、10.73％和18.67％,相对于在线序列极限学习机(OSELM)模型使NSE分别提升0.35％、4.55％和16.54％.
文献关键词：
盐水入侵;珠江河口区;误差修正;在线学习;实时预报
中图分类号：
作者姓名：
周凡涵;刘丙军
作者机构：
中山大学 土木工程学院,广东 珠海 519082;珠江水文水资源勘测中心,广东 广州 510370;华南地区水循环与水安全广东省普通高校重点实验室,广东 珠海 519082
文献出处：
引用格式：
[1]周凡涵;刘丙军-.基于在线学习与误差修正的珠江河口区盐度预报)[J].水文,2022(01):59-66
A类：
OSELM
B类：
误差修正,珠江河口区,盐度,受潮,潮汐,径流,风速风向,地形变化,海陆,素交,盐水入侵,非线性特征,在线学习算法,自回归,修正方法,水文预报,中时,线序,极限学习机,EC,预报模型,磨刀门水道,逐日,实时数据,数据更新,更新模型,预报精度,预见期,纳什,NSE,实时预报
AB值：
0.278235
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。
