基于集成学习的中小河流洪水预报

摘要：

为解决传统数据驱动的洪水预报方法预报误差较大以及传统集成学习预报方法各个子网络间无法交互的问题,本文在单个模型预测基础上,选取异构的BP、CNN、LSTM神经网络,建立基于负相关学习的神经网络集成洪水预报模型,通过显式地添加正则化项对模型进行整体的误差-方差分解和分歧分解,使集成神经网络中各子网络之间并不完全独立,以保证集成模型的多样性,从而提高最终模型的预测准确率.在安徽屯溪流域的实验表明,基于负相关学习的模型可以有效地对洪水过程进行预报,与传统使用单个模型相比预测结果精度更高.

关键词：集成学习、神经网络、洪水预报、中小河流

分类号：TP389.1(计算技术、计算机技术)

资助基金：国家重点研发计划2018YFC1508106

在线出版日期：2021-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：51-58,65