基于數(shù)據(jù)驅(qū)動(dòng)模型的流域中長(zhǎng)期徑流預(yù)報(bào)方法

定　價(jià)：￥65.00

作　者：	謝帥，黃躍飛，王冬，周濤，曹浩
出版社：	長(zhǎng)江出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

ISBN：	9787549286652	出版時(shí)間：	2022-12-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	140	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)共6章。第1章為緒論，介紹了本書(shū)的研究背景與意義，外研究現(xiàn)狀，中長(zhǎng)期徑流預(yù)報(bào)在模型研究、因子篩選、后處理中存在的主要問(wèn)題以及針對(duì)存在問(wèn)題的研究思路和主要研究?jī)?nèi)容；第2章介紹了一種基于貝葉斯推斷的支持向量回歸（SVR）方法和ARD核函數(shù)的結(jié)合應(yīng)用，該方法用以解決SVR模型中超參數(shù)優(yōu)化困難、缺少概率預(yù)報(bào)以及無(wú)法衡量不同預(yù)報(bào)因子權(quán)重的問(wèn)題；第3章基于因子選擇方法提出一種總互信息指標(biāo)及其計(jì)算方法，分析提出的總互信息指標(biāo)與預(yù)報(bào)效果之間的相關(guān)性，并將其用來(lái)判斷流域是否適宜采用數(shù)據(jù)驅(qū)動(dòng)模型進(jìn)行中長(zhǎng)期徑流預(yù)報(bào)；第4章將中長(zhǎng)期降雨預(yù)報(bào)產(chǎn)品引入基于數(shù)據(jù)驅(qū)動(dòng)模型的中長(zhǎng)期徑流預(yù)報(bào)框架中，研究引入降雨因子后不同數(shù)據(jù)驅(qū)動(dòng)模型的預(yù)報(bào)效果變化；第5章在第2章至第4章的基礎(chǔ)上，建立了以校正后的概率預(yù)報(bào)降雨為輸入、以多個(gè)數(shù)據(jù)驅(qū)動(dòng)模型產(chǎn)生的概率預(yù)報(bào)為基礎(chǔ)、以貝葉斯模型平均方法（BMA）融合不同模型概率預(yù)報(bào)結(jié)果的中長(zhǎng)期徑流概率預(yù)報(bào)方法框架，產(chǎn)生融合后的為可靠、實(shí)用的概率預(yù)報(bào)結(jié)果；第6章總結(jié)了主要的研究成果，并對(duì)未來(lái)研究方向進(jìn)行展望。

作者簡(jiǎn)介

暫缺《基于數(shù)據(jù)驅(qū)動(dòng)模型的流域中長(zhǎng)期徑流預(yù)報(bào)方法》作者簡(jiǎn)介

圖書(shū)目錄

第1章緒論
1.1 研究背景及意義
1.1.1 研究背景
1.1.2 研究意義
1.2 外研究現(xiàn)狀
1.2.1 中長(zhǎng)期徑流預(yù)報(bào)建模研究現(xiàn)狀及發(fā)展趨勢(shì)
1.2.2 中長(zhǎng)期徑流預(yù)報(bào)因子的選擇和篩選
1.2.3 中長(zhǎng)期徑流預(yù)報(bào)結(jié)果后處理
1.3 研究中存在的問(wèn)題與不足
1.4 研究?jī)?nèi)容及技術(shù)路線(xiàn)
1.4.1 研究目標(biāo)與內(nèi)容
1.4.2 研究技術(shù)路線(xiàn)
第2章貝葉斯推斷與支持向量回歸耦合的中長(zhǎng)期徑流預(yù)報(bào)方法
2.1 概述
2.2 方法與數(shù)據(jù)
2.2.1 貝葉斯推斷與支持向量回歸耦合的中長(zhǎng)期徑流預(yù)報(bào)方法框架
2.2.2 支持向量回歸及ARD核函數(shù)
2.2.3 基于貝葉斯推斷的支持向量回歸
2.2.4 數(shù)據(jù)與預(yù)處理
2.2.5 建模方案設(shè)定
2.3 結(jié)果及討論
2.3.15 種預(yù)報(bào)方法的預(yù)報(bào)效果
2.3.25 種預(yù)報(bào)方法的預(yù)報(bào)效果對(duì)比分析
2.3.3 BSVR和BSVRARD方法的概半預(yù)報(bào)效果分析
2.4 小結(jié)
第3章中長(zhǎng)期徑流預(yù)報(bào)效果與總互信息的相關(guān)關(guān)系
3.1 概述
3.2 基于數(shù)據(jù)驅(qū)動(dòng)模型的中長(zhǎng)期徑流預(yù)報(bào)適宜性判別方法
3.2.1 PMIS因子選擇方法
3.2.2 基于PMIS的總互信息指標(biāo)
3.3 模型與數(shù)據(jù)
3.3.1 多層感知機(jī)模型（MIP）
3.3.2 長(zhǎng)短期記憶網(wǎng)絡(luò)模型（LSTM）
3.3.3 基于滾動(dòng)預(yù)報(bào)的多層感知機(jī)模型（MB模型）
3.3.4 建模方案設(shè)定
3.45 種模型的預(yù)報(bào)效果對(duì)比分析
3.4.1 各模型預(yù)報(bào)效果分析
3.4.2 5種模型的預(yù)報(bào)效果對(duì)比分析
3.4.3 不同預(yù)見(jiàn)期的預(yù)報(bào)效果對(duì)比
3.5 總互信息和預(yù)報(bào)效果的關(guān)系分析
3.5.1 各模型預(yù)報(bào)效果與互信息MI的關(guān)系
3.5.2 各模型預(yù)報(bào)效果與總互信息TMI的關(guān)系
3.5.3 總互信息TMI的影響因素及潛在應(yīng)用
3.6 小結(jié)
第4章引入降雨預(yù)報(bào)產(chǎn)品的中長(zhǎng)期徑流預(yù)報(bào)效果
4.1 概述
4.2 數(shù)據(jù)及方法
4.2.1 流城實(shí)測(cè)降雨數(shù)據(jù)與降雨預(yù)報(bào)產(chǎn)品
4.2.2 研究區(qū)城降雨預(yù)報(bào)數(shù)據(jù)校正
4.2.3 建模方案設(shè)定