留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于随机森林与支持向量机的水库长期径流预报

李伶杰 王银堂 胡庆芳 刘定忠 张安富 巴亚荃

李伶杰,王银堂,胡庆芳,等. 基于随机森林与支持向量机的水库长期径流预报[J]. 水利水运工程学报 doi:  10.12170/20190626001
引用本文: 李伶杰,王银堂,胡庆芳,等. 基于随机森林与支持向量机的水库长期径流预报[J]. 水利水运工程学报 doi:  10.12170/20190626001
(LI Lingjie, WANG Yintang, HU Qingfang, et al. Long-term inflow forecast of reservoir based on random forest and support vector machine[J]. Hydro-Science and Engineering(in Chinese)) doi:  10.12170/20190626001
Citation: (LI Lingjie, WANG Yintang, HU Qingfang, et al. Long-term inflow forecast of reservoir based on random forest and support vector machine[J]. Hydro-Science and Engineering(in Chinese)) doi:  10.12170/20190626001

基于随机森林与支持向量机的水库长期径流预报

doi: 10.12170/20190626001
基金项目: 国家重点研发计划资助项目(2016YFC0400902;2016YFC04009010);国家自然科学基金资助项目(51809252);中央级公益性科研院所基本科研业务费专项资金资助项目(Y519007)
详细信息
    作者简介:

    李伶杰(1992—),男,山西吕梁人,工程师,主要从事水文水资源研究。E-mail:ljli@nhri.cn

  • 中图分类号: P338

Long-term inflow forecast of reservoir based on random forest and support vector machine

  • 摘要: 水库长期径流预报对于研判水文情势变化和指导水库调度管理具有重要意义。针对云南龙江水库年、汛期和枯水期平均入库径流,利用随机森林从环流指数、海温、气压和前期月径流中选取关键预报因子,基于粒子群与交叉验证相结合的算法优选参数,建立随机森林与支持向量机模型,开展龙江水库入库径流预报研究。结果表明,太平洋中北部与西部气候因子对径流预报的影响较大,前期月径流对年、汛期径流的重要性偏低,但对枯水期的影响程度与部分气候因子相当。随机森林与支持向量机模型总体精度较高,模拟与预报的合格率均达到85%以上,平均绝对百分比误差均低于15%,支持向量机的泛化能力强于随机森林,但二者在局部极值流量处的预报精度尚有待提升。
  • 图  1  龙江水库位置示意

    Figure  1.  Schematic map of the Longjiang Reservoir location

    图  2  修正前龙江水库年径流Mann-Kendall检验与修正后平均径流序列

    Figure  2.  Mann-Kendall test of annual runoff of the Longjiang Reservoir before the correction and the revised mean runoff sequence of the annual, flood and dry seasons

    图  3  云南龙江水库入库径流预报因子重要性评估结果

    Figure  3.  Evaluation on the importance of factors for forecasting the inflow of the Longjiang Reservoir in Yunnan Province

    图  4  预报因子数量对建模期入库径流模拟误差的影响

    Figure  4.  Influence of number of forecasting factors on the simulation error of the reservoir inflow in the modeling period

    图  5  云南龙江水库年、汛期和枯水期平均径流模拟与预报结果

    Figure  5.  Simulation and forecast results of mean inflow in annual, flood season and dry seasons of the Longjiang Reservoir in Yunnan Province

    表  1  云南龙江水库年平均径流基础预报因子集

    Table  1.   Basic predictors for annual mean inflow of the Longjiang Reservoir in Yunnan Province

    类别预报因子
    环流指数前1月亚洲经向环流指数、前1月欧亚经向环流指数、前2月北极涛动指数、前7月东大西洋遥相关型指数、前6月欧亚纬向环流指数、前7月极地-欧亚遥相关型指数、前12月北大西洋-欧洲环流W型指数
    海温  前6月第3 402格点海温(太平洋中西部)、前6月第5 040格点海温(西伯利亚北部)、前8月第1 246格点海温(西伯利亚东部)、前11月第6 297格点海温(太平洋中北部)、前11月第1 229格点海温(日本北部)
    气压位势前1月第2 956格点500 hPa位势(地中海)、前2月第3 876格点500 hPa位势(日本东南)、前5月第3 385格点500 hPa位势(地中海)、前7月第2 903格点500 hPa位势(太平洋东部)、前7月第3 027格点500 hPa位势(太平洋中北部)、前7月第2 956格点500 hPa位势(地中海)、前7月第1 862格点500 hPa位势(鄂霍次克海北部)、前11月第1 269格点500 hPa位势(乌拉尔山北部)、前2月第2 307格点100 hPa位势(白令海南部)、前3月第1 393格点100 hPa位势(乌拉尔山)、前7月第2 614格点100 hPa位势(太平洋东部)、前7月第3 029格点100 hPa位势(太平洋中北部)
      注:表中格点为与年径流具有显著物理成因相关的海温和气压位势关键区域中相关系数最高的格点,格点序号从全球经纬网格(海温与气压的分辨率不同)的左上角开始,按照Z字型顺序递增。
    下载: 导出CSV

    表  2  龙江水库年、汛期、枯水期平均径流的模拟与预报精度

    Table  2.   Accuracy of simulation and forecast for mean inflow in annual, flood season and dry seasons of the Longjiang Reservoir in Yunnan Province

    径流类型建模期预报检验期
    RF模型SVM模型RF模型SVM模型
    RQ/%EMAP/%RQ/%EMAP/%RQ/%EMAP/%RQ/%EMAP/%
    年平均径流1003.8397.66.7793.311.4593.39.39
    汛期平均径流97.64.1595.26.0986.711.3486.78.91
    枯水期平均径流97.66.7697.610.99100.07.24100.07.43
    下载: 导出CSV
  • [1] SANG Y F. A review on the applications of wavelet transform in hydrology time series analysis[J]. Atmospheric Research, 2013, 122: 8-15. doi:  10.1016/j.atmosres.2012.11.003
    [2] 刘勇, 陈元芳, 王银堂, 等. 基于OSR-BP神经网络的丹江口秋汛期径流长期预报研究[J]. 水文,2010,30(6):32-36. (LIU Yong, CHEN Yuanfang, WANG Yintang, et al. Long-term forecasting for autumn flood season in Danjiangkou Reservoir Basin based on OSR-BP neural network[J]. Journal of China Hydrology, 2010, 30(6): 32-36. (in Chinese) doi:  10.3969/j.issn.1000-0852.2010.06.008
    [3] 谢帅, 黄跃飞, 李铁键, 等. LASSO回归和支持向量回归耦合的中长期径流预报[J]. 应用基础与工程科学学报,2018,26(4):709-722. (XIE Shuai, HUANG Yuefei, LI Tiejian, et al. Mid-long term runoff prediction based on a Lasso and SVR hybrid method[J]. Journal of Basic Science and Engineering, 2018, 26(4): 709-722. (in Chinese)
    [4] 张素琼, 张艳军, 刘佳明, 等. 基于逐步回归-LMBP算法的大通站旬径流与月径流预报[J]. 水电能源科学,2014,32(6):13-15, 4. (ZHANG Suqiong, ZHANG Yanjun, LIU Jiaming, et al. Ten-days and monthly runoff forecasting in Datong station based on stepwise regression and LMBP algorithm[J]. Water Resources and Power, 2014, 32(6): 13-15, 4. (in Chinese)
    [5] 汪哲荪, 袁潇晨, 金菊良, 等. 基于集对分析的年径流自组织预测模型[J]. 水利水运工程学报,2010(4):33-37. (WANG Zhesun, YUAN Xiaochen, JIN Juliang, et al. GMDH network forecast model for annual runoff based on set pair analysis[J]. Hydro-Science and Engineering, 2010(4): 33-37. (in Chinese) doi:  10.3969/j.issn.1009-640X.2010.04.007
    [6] 崔东文. 改进Elman神经网络在径流预测中的应用[J]. 水利水运工程学报,2013(2):71-77. (CUI Dongwen. An improved Elman neural network and its application to runoff forecast[J]. Hydro-Science and Engineering, 2013(2): 71-77. (in Chinese) doi:  10.3969/j.issn.1009-640X.2013.02.012
    [7] 林剑艺, 程春田. 支持向量机在中长期径流预报中的应用[J]. 水利学报,2006,37(6):681-686. (LIN Jianyi, CHENG Chuntian. Application of support vector machine method to long-term runoff forecast[J]. Journal of Hydraulic Engineering, 2006, 37(6): 681-686. (in Chinese) doi:  10.3321/j.issn:0559-9350.2006.06.007
    [8] 周婷, 金菊良, 李荣波, 等. 基于小波支持向量机的径流预测性能优化分析[J]. 水力发电学报,2017,36(10):45-55. (ZHOU Ting, JIN Juliang, LI Rongbo, et al. Performance optimization analysis for inflow prediction using wavelet Support Vector Machine[J]. Journal of Hydroelectric Engineering, 2017, 36(10): 45-55. (in Chinese) doi:  10.11660/slfdxb.20171005
    [9] 崔东文. 几种智能算法与支持向量机融合模型在中长期月径流预测中的应用[J]. 华北水利水电大学学报(自然科学版),2016,37(5):51-57. (CUI Dongwen. Application of several intelligent algorithms and Support Vector Machine fusion model in medium and long term runoff forecasting[J]. Journal of North China University of Water Resources and Electric Power (Natural Science Edition), 2016, 37(5): 51-57. (in Chinese)
    [10] 赵铜铁钢, 杨大文, 蔡喜明, 等. 基于随机森林模型的长江上游枯水期径流预报研究[J]. 水力发电学报,2012,31(3):18-24, 38. (ZHAO Tongtiegang, YANG Dawen, CAI Ximing, et al. Predict seasonal low flows in the upper Yangtze River using random forests model[J]. Journal of Hydroelectric Engineering, 2012, 31(3): 18-24, 38. (in Chinese)
    [11] 赵文秀, 张晓丽, 李国会. 基于随机森林和RBF神经网络的长期径流预报[J]. 人民黄河,2015,37(2):10-12. (ZHAO Wenxiu, ZHANG Xiaoli, LI Guohui. Research on the long-term runoff forecast based on random forest model and RBF network[J]. Yellow River, 2015, 37(2): 10-12. (in Chinese) doi:  10.3969/j.issn.1000-1379.2015.02.003
    [12] 何国栋, 崔东文. 基于阴阳对算法优化的随机森林与支持向量机组合模型及径流预测实例[J]. 人民珠江,2019,40(3):33-38. (HE Guodong, CUI Dongwen. Runoff prediction examples based on random forest of Yin-yang optimization algorithm and Support Vector Machine model[J]. Pearl River, 2019, 40(3): 33-38. (in Chinese) doi:  10.3969/j.issn.1001-9235.2019.03.007
    [13] 赵鹏雁, 张利平, 王旭, 等. 澜沧江流域中长期径流预报方法研究[J]. 武汉大学学报(工学版),2018,51(7):565-569, 595. (ZHAO Pengyan, ZHANG Liping, WANG Xu, et al. Study of medium and long term runoff forecasting method for Lancang River Basin[J]. Engineering Journal of Wuhan University, 2018, 51(7): 565-569, 595. (in Chinese)
    [14] 龚学贤. 云南省龙江水库水情自动测报系统的建设与应用[J]. 技术与市场,2016,23(2):137-139. (GONG Xuexian. Construction and application of automatic runoff regime forecasting system for Longjiang Reservoir in Yunnan Province[J]. Technology and Market, 2016, 23(2): 137-139. (in Chinese) doi:  10.3969/j.issn.1006-8554.2016.02.090
    [15] 冯小冲. 水库中长期水文预报模型研究[D]. 南京: 南京水利科学研究院, 2010.

    FENG Xiaochong. Study on mid-long term hydrological forecasting model of reservoir[J]. Nanjing: Nanjing Hydraulic Research Institute, 2010. (in Chinese)
    [16] 刘勇, 王银堂, 陈元芳, 等. 基于物理成因的中长期水文预报方法与应用研究[M]. 南京: 河海大学出版社, 2011.

    LIU Yong, WANG Yintang, CHEN Yuanfang, et al. Methods and application for mid-long term hydrological forecast based on physical cause[M]. Nanjing: Hohai University Press, 2011. (in Chinese)
    [17] 李航. 统计学习方法[M]. 北京: 清华大学出版社, 2012: 68-69.

    LI Hang. Statistical learning method[M]. Beijing: Tsinghua University Press, 2012: 68-69. (in Chinese)
    [18] 赵永晶, 钱永甫. 全球海温异常对中国降水异常的影响[J]. 热带气象学报,2009,25(5):561-570. (ZHAO Yongjing, QIAN Yongfu. Analysis of the impacts of global SST on precipitation anomaly in China[J]. Journal of Tropical Meteorology, 2009, 25(5): 561-570. (in Chinese) doi:  10.3969/j.issn.1004-4965.2009.05.006
    [19] 阮成卿, 李建平, 冯娟. 中国西南地区后冬降水的统计降尺度模型[J]. 中国科学: 地球科学,2015,58(10):1827-1839. (RUAN Chengqing, LI Jianping, FENG Juan. Statistical downscaling model for late-winter rainfall over Southwest China[J]. Science China Earth Sciences, 2015, 58(10): 1827-1839. (in Chinese) doi:  10.1007/s11430-015-5104-8
    [20] 张岩, 杨明祥, 雷晓辉, 等. 基于PCA-PSO-SVR的丹江口水库年径流预报研究[J]. 南水北调与水利科技,2018,16(5):35-40. (ZHANG Yan, YANG Mingxiang, LEI Xiaohui, et al. Research on annual runoff forecast of Danjiangkou Reservoir based on PCA-PSO-SVR[J]. South-to-North Water Transfers and Water Science & Technology, 2018, 16(5): 35-40. (in Chinese)
  • [1] 姚原, 顾正华, 李云, 辜樵亚, 范子武.  森林覆盖率变化对流域洪水特性影响的数值模拟 . 水利水运工程学报, doi: 10.12170/20190501003
    [2] 路锦枝, 王涛, 郭新蕾, 邹德昊.  利用水位变化的黑龙江开河方式和开河日期预报 . 水利水运工程学报, doi: 10.12170/20200318003
    [3] 胡江.  特高拱坝运行初期变形监测预报模型及构建方法 . 水利水运工程学报, doi: 10.12170/20190908001
    [4] 张路, 樊恒辉, 车雯方, 张勇, 孟雷, 赵宏伟.  黑龙江地区渠道基土工程性质试验分析 . 水利水运工程学报,
    [5] 王宗志, 王伟, 刘克琳, 程亮.  水电站水库长期优化调度模型及调度图 . 水利水运工程学报,
    [6] 刘小龙, 施勇, 陈炼钢, 栾震宇, 虞美秀.  基于水文学与水力学方法的雅砻江水情预报模型 . 水利水运工程学报,
    [7] 李达, 牟在根.  简支组合梁长期变形下混凝土收缩模式研究 . 水利水运工程学报,
    [8] 韩昌海, 张铭, 范子武, 虞云飞, 苏亦绿, 王红旗.  基于PDM的飞来峡水库实时水文预报模型 . 水利水运工程学报,
    [9] 崔东文.  基于多元变量组合的回归支持向量机集成模型及其应用 . 水利水运工程学报,
    [10] 任政,郝振纯.  水资源开发利用评价的支持向量机模型 . 水利水运工程学报,
    [11] 毕宗伟,丁德馨,饶龙.  工程可靠度的随机模拟次数 . 水利水运工程学报,
    [12] 段召辉,李承军.  日径流的组合预测模型 . 水利水运工程学报,
    [13] 路观平.  随机荷载的结构响应与相干尺度 . 水利水运工程学报,
    [14] 杨方,崔信民.  南京市防汛决策支持信息系统 . 水利水运工程学报,
    [15] 李国英,沈珠江,赵魁芝.  梅溪水库面板堆石坝原型观测资料反馈分析及大坝变形预报模型 . 水利水运工程学报,
    [16] 王秋生.  北江水文特性及水电站运行方式 . 水利水运工程学报,
    [17] 孙逊,高明.  改进的随机有限元方法 . 水利水运工程学报,
    [18] 黄孟生,徐道远.  码头门机荷载最大值分布随机过程概率模型统计分析 . 水利水运工程学报,
    [19] 窦国仁.  近壁紊流随机理论及其应用 . 水利水运工程学报,
    [20] 窦国仁.  河床紊流的随机理论 . 水利水运工程学报,
  • 加载中
计量
  • 文章访问数:  320
  • HTML全文浏览量:  155
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-06-26
  • 网络出版日期:  2020-06-04

目录

    /

    返回文章
    返回