基于數(shù)據(jù)驅(qū)動模型的流域中長期徑流預(yù)報(bào)方法
定 價(jià)：65 元
- 作者：謝帥，黃躍飛，王冬，周濤，曹浩著
- 出版時(shí)間：2022/12/1
- ISBN：9787549286652
- 出 版 社：長江出版社
- 中圖法分類：P338
- 頁碼：140
- 紙張：
- 版次：1
- 開本：16開
本書共6章。第1章為緒論，介紹了本書的研究背景與意義，國內(nèi)外研究現(xiàn)狀，中長期徑流預(yù)報(bào)在模型研究、因子篩選、后處理中存在的主要問題以及針對存在問題的研究思路和主要研究內(nèi)容；第2章介紹了一種基于貝葉斯推斷的支持向量回歸（SVR）方法和ARD核函數(shù)的結(jié)合應(yīng)用，該方法用以解決SVR模型中超參數(shù)優(yōu)化困難、缺少概率預(yù)報(bào)以及無法衡量不同預(yù)報(bào)因子權(quán)重的問題；第3章基于因子選擇方法提出一種總互信息指標(biāo)及其計(jì)算方法，分析提出的總互信息指標(biāo)與預(yù)報(bào)效果之間的相關(guān)性，并將其用來判斷流域是否適宜采用數(shù)據(jù)驅(qū)動模型進(jìn)行中長期徑流預(yù)報(bào)；第4章將中長期降雨預(yù)報(bào)產(chǎn)品引入基于數(shù)據(jù)驅(qū)動模型的中長期徑流預(yù)報(bào)框架中，研究引入降雨因子后不同數(shù)據(jù)驅(qū)動模型的預(yù)報(bào)效果變化；第5章在第2章至第4章的基礎(chǔ)上，建立了以校正后的概率預(yù)報(bào)降雨為輸入、以多個(gè)數(shù)據(jù)驅(qū)動模型產(chǎn)生的概率預(yù)報(bào)為基礎(chǔ)、以貝葉斯模型平均方法（BMA）融合不同模型概率預(yù)報(bào)結(jié)果的中長期徑流概率預(yù)報(bào)方法框架，產(chǎn)生融合后的更為可靠、實(shí)用的概率預(yù)報(bào)結(jié)果；第6章總結(jié)了主要的研究成果，并對未來研究方向進(jìn)行展望。
第1章 緒論
1.1 研究背景及意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 中長期徑流預(yù)報(bào)建模研究現(xiàn)狀及發(fā)展趨勢
1.2.2 中長期徑流預(yù)報(bào)因子的選擇和篩選
1.2.3 中長期徑流預(yù)報(bào)結(jié)果后處理
1.3 研究中存在的問題與不足
1.4 研究內(nèi)容及技術(shù)路線
1.4.1 研究目標(biāo)與內(nèi)容
1.4.2 研究技術(shù)路線
第2章 貝葉斯推斷與支持向量回歸耦合的中長期徑流預(yù)報(bào)方法
2.1 概述
2.2 方法與數(shù)據(jù)
2.2.1 貝葉斯推斷與支持向量回歸耦合的中長期徑流預(yù)報(bào)方法框架
2.2.2 支持向量回歸及ARD核函數(shù)
2.2.3 基于貝葉斯推斷的支持向量回歸
2.2.4 數(shù)據(jù)與預(yù)處理
2.2.5 建模方案設(shè)定
2.3 結(jié)果及討論
2.3.15 種預(yù)報(bào)方法的預(yù)報(bào)效果
2.3.25 種預(yù)報(bào)方法的預(yù)報(bào)效果對比分析
2.3.3 BSVR和BSVRARD方法的概半預(yù)報(bào)效果分析
2.4 小結(jié)
第3章 中長期徑流預(yù)報(bào)效果與總互信息的相關(guān)關(guān)系
3.1 概述
3.2 基于數(shù)據(jù)驅(qū)動模型的中長期徑流預(yù)報(bào)適宜性判別方法
3.2.1 PMIS因子選擇方法
3.2.2 基于PMIS的總互信息指標(biāo)
3.3 模型與數(shù)據(jù)
3.3.1 多層感知機(jī)模型（MIP）
3.3.2 長短期記憶網(wǎng)絡(luò)模型（LSTM）
3.3.3 基于滾動預(yù)報(bào)的多層感知機(jī)模型（MB模型）
3.3.4 建模方案設(shè)定
3.45 種模型的預(yù)報(bào)效果對比分析
3.4.1 各模型預(yù)報(bào)效果分析
3.4.2 5種模型的預(yù)報(bào)效果對比分析
3.4.3 不同預(yù)見期的預(yù)報(bào)效果對比
3.5 總互信息和預(yù)報(bào)效果的關(guān)系分析
3.5.1 各模型預(yù)報(bào)效果與互信息MI的關(guān)系
3.5.2 各模型預(yù)報(bào)效果與總互信息TMI的關(guān)系
3.5.3 總互信息TMI的影響因素及潛在應(yīng)用
3.6 小結(jié)
第4章 引入降雨預(yù)報(bào)產(chǎn)品的中長期徑流預(yù)報(bào)效果
4.1 概述
4.2 數(shù)據(jù)及方法
4.2.1 流城實(shí)測降雨數(shù)據(jù)與降雨預(yù)報(bào)產(chǎn)品
4.2.2 研究區(qū)城降雨預(yù)報(bào)數(shù)據(jù)校正
4.2.3 建模方案設(shè)定
4.3 以實(shí)測降雨作為輸入的5種模型預(yù)報(bào)效果
4.3.1 引入實(shí)測降雨后的5種模型預(yù)報(bào)效果
4.3.2 5種模型預(yù)報(bào)效果對比
4.3.3 引入實(shí)測降雨后各模型預(yù)報(bào)效果和TMI之間相關(guān)關(guān)系
4.4 以對應(yīng)預(yù)見期預(yù)報(bào)降雨作為輸人的中長期徑流預(yù)報(bào)結(jié)果
4.4.1 降雨預(yù)報(bào)數(shù)據(jù)校正效果
4.4.2 以對應(yīng)預(yù)見期的預(yù)報(bào)降雨作為輸入的中長期徑流預(yù)報(bào)效果評估
4.4.3 以對應(yīng)預(yù)見期的預(yù)報(bào)降雨作為輸入后的徑流預(yù)報(bào)誤差變化分析
4.4.4 與無降雨因子的預(yù)報(bào)效果對比
4.5 小結(jié)
第5章 基于貝葉斯模型平均的中長期徑流概率預(yù)報(bào)
5.1 概述
5.2 數(shù)據(jù)及方法
5.2.1 研究框架
5.2.2 貝葉斯模型平均方法
5.3 輸入降雨概率分布后5種模型的徑流概率預(yù)報(bào)效果
5.3.1 徑流概率預(yù)報(bào)效果提升分析
5.3.2 中長期徑流概率預(yù)報(bào)可靠性及寬度評分提升分析
5.3.3 5種預(yù)報(bào)方法的徑流概率預(yù)報(bào)效果對比分析
5.3.4 降雨因子在兩類模型徑流概率預(yù)報(bào)中的作用分析
5.4 基于BMA方法的徑流概率預(yù)報(bào)結(jié)果
5.4.1 整體概率預(yù)報(bào)效果評分提升
5.4.2 融合后的徑流概率預(yù)報(bào)可靠性及寬度評分提升分析
5.4.3 基于BMA方法融合后的徑流概率預(yù)報(bào)效果評估
5.4.4 部分站點(diǎn)預(yù)報(bào)效果較差的原因初步分析
5.5 小結(jié)
第6章 總結(jié)與展望
6.1 主要研究成果
6.2 主要?jiǎng)?chuàng)新點(diǎn)
6.3 研究中的不足與展望
參考文獻(xiàn)
附錄
附錄A 澳大利亞37個(gè)水文基準(zhǔn)站信息
附錄B 預(yù)報(bào)因子選擇結(jié)果
書單推薦
