杨〓洵1,徐〓炜2,姜宏广2.基于Box Cox算法的中期径流贝叶斯概率预报方法[J].水电能源科学,2018,36(6):17-21
基于Box Cox算法的中期径流贝叶斯概率预报方法
Medium term Runoff Bayesian Probability Forecasting Method Based on Box Cox Model
  
DOI:
中文关键词:  中期径流预报  贝叶斯概率预报  Box Cox变换  POA优化算法
英文关键词:mid term runoff forecasting  Bayesian probability forecasting  Box Cox transform  progressive optimal algorithm
基金项目:国家自然科学基金青年基金项目(51609025);重庆交通大学科研启动项目(15JDKJC B019);重庆交通大学国家内河航道整治工程技术研究中心暨水利水运工程教育部重点实验室开放基金(SLK2015B08);大学生创新创业训练计划(201610618082)
作者单位
杨〓洵1,徐〓炜2,姜宏广2 1. 重庆市地质矿产勘查开发局 南江水文地质工程地质队 重庆 401121; 2. 重庆交通大学 水利水运工程教育部重点实验室 重庆 400074 
摘要点击次数: 153
全文下载次数: 
中文摘要:
      为进一步降低中期径流预报信息受降雨不确定性和模型误差等因素的影响,采用贝叶斯预报处理器(BPF)对径流自身和预报过程的不确定性进行耦合,建立中期径流概率预报模型,对中期径流预报的不确定性进行描述。首先将Box Cox正态变换引入BPF模型,建立基于Box Cox变换的BPF模型;然后采用逐次优化算法(POA)对各时段的变换系数进行优化,并基于优化后的变换系数建立新的BPF模型;最后对变换系数优化前和优化后建立的BPF模型预报结果进行对比分析。实例应用表明,基于Box Cox变换的BPF模型可较好地描述预报信息不确定性;变换系数经POA优化后,可进一步提高BPF模型的预报精度。研究成果可为中长期径流预报提供参考。
英文摘要:
      To further reduce the impact of uncertainties of precipitation and model errors on the medium term runoff forecasting, Bayesian theory was used to combine the uncertainties of runoff processes and forecasting for establishing Bayesian Probabilistic Forecasting (BPF) model. In BPF model, the Box Cox was used to convert the runoff information into normal space. The parameters of the Box Cox model were calibrated by progressive optimality algorithm (POA). The two BPF models were established based on the initial and calibrated Box Cox parameters, respectively. The case application demonstrates that the accuracy of BPF model can be improved by optimizing the Box Cox parameters. Research results can provide a reference for mid term and long term runoff forecasting.
查看全文  查看/发表评论  下载PDF阅读器