BRR-SVR月降水量预测优化模型

• 作 者: 贺玉琪 王栋 王远坤
• 机 构: 南京大学地球科学与工程学院
• 出 处: 水利学报
• 发表日期: 2019年12期
• 关键词: 贝叶斯岭回归 支持向量机回归 小波变换 降水预测 优化模型 Bayesian Ridge RegressionSupport Vector Regression
• 基金项目: 国家重点研发计划项目(2017YFC1502704,2016YFC0401501),国家自然科学基金项目(41571017,51679118,91647203),江苏省“333计划”项目(BRA2018060)

受多种因素影响,水文时间序列具有非平稳性。研究时间序列的传统模型如ARMA对数据的平稳性有较高要求,不适用于非平稳水文时间序列的研究。近年来,机器学习算法越来越多地被应用于研究水文过程,本文将支持向量机回归(SVR)和贝叶斯岭回归(BRR)应用于月降水量的预测。运用小波变换对降水数据进行分解和重构,然后对各子序列进行相空间重构,运用校验数据从SVR和BRR中选取每个子序列上精度更高的模型,构建耦合支持向量机回归和贝叶斯岭回归的BRR-SVR优化模型,并与单一的BRR模型和SVR模型加以对比。以北京站、南京