干旱区生态环境知识资源中心(Arid): 洪水预报智能模型在中国半干旱半湿润区的应用对比

Arid

	洪水预报智能模型在中国半干旱半湿润区的应用对比
其他题名	Comparison of artificial intelligence flood forecasting models in China's semi-arid and semi-humid regions
	张珂; 牛杰帆; 李曦; 晁丽君
来源期刊	水资源保护
ISSN	1004-6933
出版年	2021
卷号	37 期号:1 页码:28-
中文摘要	为探究不同洪水预报智能模型在我国半干旱半湿润区的应用效果,选用决策树、多层感知器、随机森林和支持向量机4种模型在陕西省3个典型流域进行逐时洪水预报;选择相关系数、纳什效率系数、均方根误差、平均绝对误差和相对误差等评价指标,比较不同预见期下4种模型在半干旱半湿润典型流域洪水预报的适用性。结果表明:在短预见期预报中,4种模型在半湿润区典型流域均可获得较高的预报结果,在半干旱典型流域模拟精度相对偏低,仅支持向量机模型满足预报要求;随着预见期延长,不同模型性能变化差异大,支持向量机模型整体稳定,在小流域实时洪水预报中具有明显优势;随机森林模型与决策树模型精度随预见期延长而缓慢下降,前者适应性更好;多层感知器模型精度随预见期延长而骤减,模型稳定性较差。
英文摘要	To investigate the applicability of different artificial intelligence (AI) flood foresting models in China's semi-arid and semi-humid regions,four types of AI models including decision tree (DT),multilayer perception (MLP),random forest (RF),and support vector machine (SVM) were selected to conduct hourly flood forecasting in three typical river basins of Shaanxi Province. Statistical metrics including the coefficient of correlation,Nash-Sutcliffe efficiency,root-meansquare error,mean absolute error and relative error are used to assess the model's effectiveness in these typical basins for different forecasting periods. The results show that all models can achieve good performance in the semi-humid basins for short-term forecasting. However,the four AI models have relative lower accuracy in the semi-arid basins,and only the SVM model can achieve satisfactory forecasting accuracy. As the forecasting lead time increases,the performance of different models varies greatly. The SVM model is overall stable and has an obvious advantage for real-time flood forecasting in small and medium-sized basins. Performance of the RF and DT models declines slowly with increasing forecasting lead time,while performance of the MLP model decreases quickly with increasing lead time,showing lower stability.
中文关键词	洪水预报 ; 智能模型 ; 决策树 ; 多层感知器 ; 随机森林 ; 人工神经网络 ; 支持向量机
英文关键词	flood foresting artificial intelligence model decision tree multilayer perception random forest artificial neural network support vector machine
类型	Article
语种	中文
收录类别	CSCD
WOS类目	Geology
CSCD记录号	CSCD:6892700
资源类型	期刊论文
条目标识符	http://119.78.100.177/qdio/handle/2XILL650/377956
作者单位	张珂, 河海大学;;河海大学水文水资源学院;;长江保护与绿色发展研究院;;中国气象局-河海大学水文气象研究联合实验室, 水文水资源与水利工程科学国家重点实验室;;;;;;, 南京;;南京;;南京;;南京, 江苏;;江苏;;江苏;;江苏 210098;;210098;;210098;;210098, 中国.; 牛杰帆, 河海大学;;河海大学水文水资源学院, 水文水资源与水利工程科学国家重点实验室;;, 南京;;南京, 江苏;;江苏 210098;;210098, 中国.; 李曦, 河海大学;;河海大学水文水资源学院, 水文水资源与水利工程科学国家重点实验室;;, 南京;;南京, 江苏;;江苏 210098;;210098, 中国.; 晁丽君, 河海大学;;河海大学水文水资源学院, 水文水资源与水利工程科学国家重点实验室;;, 南京;;南京, 江苏;;江苏 210098;;210098, 中国.
推荐引用方式 GB/T 7714	张珂,牛杰帆,李曦,等. 洪水预报智能模型在中国半干旱半湿润区的应用对比[J],2021,37(1):28-.
APA	张珂,牛杰帆,李曦,&晁丽君.(2021).洪水预报智能模型在中国半干旱半湿润区的应用对比.水资源保护,37(1),28-.
MLA	张珂,et al."洪水预报智能模型在中国半干旱半湿润区的应用对比".水资源保护 37.1(2021):28-.