基于贝叶斯平均法的洪水分类组合预报研究

摘要：

以实测样本隶属于某一模型的后验概率为权重,对各模型预报变量的后验分布进行加权平均,获得综合预报变量的概率密度函数,进而推导出均值、方差公式和置信区间.将“基于BP神经网络和遗传算法的分类洪水预报”与“基于贝叶斯模型平均法的多模型组合预报”相结合,实现“洪水分类多模型加权组合预报”.该方法综合考虑了各模型对不同类型洪水的适应条件及多个模型的优势,可同步降低模型参数与模型结构不确定性对预报结果的影响.以大伙房水库为研究区域,采用大伙房水库1960年～ 2016年的25场历史典型洪水作为本研究的基础资料,分别完成实例验证与分析,效果整体上优于单个模型.

关键词：BP神经网络、遗传算法、贝叶斯平均法、分类组合预报、大伙房水库

所属期刊栏目：46

分类号：TV122.5(水利工程基础科学)

资助基金：水利部公益性行业科研专项经费项目200801040;水利部科技推广计划项目TG1142;辽宁省农业攻关计划项目2011216001

在线出版日期：2020-04-10（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：13-20,122