典型文献
Vine Copula与贝叶斯模型平均结合的月径流预测及应用
文献摘要：
准确可靠且预见期较长的月径流预测对水资源配置、防汛抗旱以及生态环境保护等具有重要意义.径流变化与降水、气温、潜在蒸散发以及前期径流等存在密切联系.鉴于Vine Copula可以灵活地将多个随机变量的边缘分布函数通过Copula对的形式联结起来构造多维联合分布函数以及贝叶斯模型平均(Bayesian Model Averaging,BMA)在处理多模型集合预报方面的优势,该研究基于BMA集合多个Vine Copula模型提出了一种BVC径流预测模型(简称BVC模型),应用于黄河流域上游4个水文站(唐乃亥站、民和站、红旗站和折桥站)的月径流预测,采用确定性系数(R2)、纳什效率系数(Nash-Sutcliffe Efficiency coefficient,NSE)和均方根误差(Root Mean Squared Error,RMSE)评价模型的预测性能.结果表明,验证期内预见期为1～3个月时,BVC模型在各水文站的R2均大于等于0.83、NSE均大于等于0.78且RMSE均维持在较低水平;与随机森林(Random Forest,RF)模型和长短期记忆神经网络(Long Short-Term Memory Neural Network,LSTM)模型相比,BVC模型能够很好地预测各水文站月径流的变化过程,特别是月径流极值的变化.研究表明BVC模型在预见期为1～3个月时的月径流预测性能明显优于RF模型和LSTM模型.该研究构建的BVC模型为流域的水资源管理和风险评估等提供参考.
文献关键词：
水资源;机器学习;径流;预测;贝叶斯模型平均;Vine Copula;黄河流域
中图分类号：
作者姓名：
吴海江;粟晓玲;祁继霞;张特;朱兴宇;武连洲
作者机构：
西北农林科技大学旱区农业水土工程教育部重点实验室,杨凌 712100;西北农林科技大学水利与建筑工程学院,杨凌 712100
文献出处：
引用格式：
[1]吴海江;粟晓玲;祁继霞;张特;朱兴宇;武连洲-.Vine Copula与贝叶斯模型平均结合的月径流预测及应用)[J].农业工程学报,2022(24):73-82
A类：
B类：
Vine,Copula,贝叶斯模型平均,月径流预测,预见期,水资源配置,防汛抗旱,径流变化,潜在蒸散发,随机变量,边缘分布,分布函数,结起来,多维联合分布,Bayesian,Model,Averaging,BMA,多模型,集合预报,BVC,径流预测模型,黄河流域,水文站,民和,红旗,确定性系数,纳什,Nash,Sutcliffe,Efficiency,coefficient,NSE,Root,Mean,Squared,Error,RMSE,预测性能,Random,Forest,RF,长短期记忆神经网络,Long,Short,Term,Memory,Neural,Network,变化过程,极值,研究构建,水资源管理
AB值：
0.331995
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。
