期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于机器学习模型的数值降雨预报校正 被引量：12
1
作者 曹子恒 李永坤 +5 位作者 胡义明 卢亚静 温骐宇 杨晨曦 陈钰 郭举坤 《南水北调与水利科技（中英文）》 CAS CSCD 北大核心 2023年第5期843-861,950,共20页
以潮白河流域12个站点为研究对象,选取12个站点的未来12 h不同预见期的预报降水数据,构建基于支持向量机(support vector machine,SVM)模型、随机森林(random forest,RF)模型和多层感知机(multilayer perceptron,MLP)模型的不同预见期... 以潮白河流域12个站点为研究对象,选取12个站点的未来12 h不同预见期的预报降水数据,构建基于支持向量机(support vector machine,SVM)模型、随机森林(random forest,RF)模型和多层感知机(multilayer perceptron,MLP)模型的不同预见期预报降雨校正模型,模型输入为站点对应网格及其周边8个网格的降雨预报数据,模型参数采用贝叶斯优化技术进行估计。利用均方根误差和确定性系数评估各模型对不同预见期预报降水的校正效果。结果表明:未经校正的原始预报在不同预见期的预报精度均较差;各个误差校正模型在率定期与验证期对不同预见期降雨均具有较好的校正效果;经SVM、RF和MLP模型校正后,均方根误差的平均值在率定期分别降低了:54.2%、50.0%和20.8%,在验证期分别降低42.9%、33.3%和14.3%;确定性系数的平均值在率定期与验证期也均有显著提高;3个误差校正模型中,SVM模型表现最优,RF模型次之。研究成果可为其他流域数值降雨预报数据校正提供参考。 展开更多
关键词 预报降雨校正 支持向量机 随机森林 多层感知机 潮白河流域
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部