基于机器学习的雨型分类研究:以淠河流域为例OACSTPCD
Research of rain patterns classification based on machine learning:A case study in Pi River Basin
[目的]为了提升洪水预报方案的科学性和精度,开展降雨雨型分类,制定不同雨型的预报方案并实施作业预报是一条有效的技术路线.[方法]基于淠河流域2003-2021年37个雨量站逐小时降雨观测数据,利用业界公认的动态时间规划(DTW)算法进行场次降雨雨型分类并作为基准分类结果.在此基础上,分别选取决策树(DT)、长短期记忆神经网络(LSTM)、LightGBM、支持向量机(SVM)四种机器学习方法建立分类模型并检验分类效果.通过调整样本规模,分析不同样…查看全部>>
[Objective]In order to enhance the scientificity and accuracy of flood forecasting scheme,It is an effective technical approach to conduct rainfall pattern classification,formulate different rainfall pattern forecasting schemes,and implement opera-tional forecasting.[Methods]Based on hourly rainfall observation data from 37 rain gauge stations in the Pi River Basin during the period of year 2003-2021,the widely recognized Dynamic Time Warping(DTW)algorithm i…查看全部>>
付晓娣;阚光远;刘荣华;梁珂
中国水利水电科学研究院,北京 100038||水利部防洪抗旱减灾工程技术研究中心,北京 100038||流域水循环模拟与调控国家重点实验室,北京 100038||水利部京津冀水安全保障重点实验室,北京 100038中国水利水电科学研究院,北京 100038||水利部防洪抗旱减灾工程技术研究中心,北京 100038||流域水循环模拟与调控国家重点实验室,北京 100038||水利部京津冀水安全保障重点实验室,北京 100038中国水利水电科学研究院,北京 100038||水利部防洪抗旱减灾工程技术研究中心,北京 100038||流域水循环模拟与调控国家重点实验室,北京 100038||水利部京津冀水安全保障重点实验室,北京 100038北京中水科工程集团有限公司,北京 100048
水利科学
降雨雨型时空分布特征动态时间规划LightGBMLSTM降雨机器学习
rain patternsspatial and temporal distribution characteristicsdynamic time planningLightGBMLSTMrainfallmachine learning
《水利水电技术(中英文)》 2024 (2)
101-111,11
国家自然科学基金(42271095)中国水利水电科学研究院十四五"五大人才"计划(JZ0199A032021)GHFUND A(ghfund202302018283)城市水循环与海绵城市技术北京市重点实验室开放基金(HYD2020OF02)
评论