《表2 龙江水库年、汛期、枯水期平均径流的模拟与预报精度》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于随机森林与支持向量机的水库长期径流预报》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

以最优因子组合及相应最佳参数建立预报模型并进行试报，模拟与预报精度如表2所示。由表2可知，无论何种时间尺度，RF与SVM模型合格率均超过了85%，EMAP均在15%以内，模拟与预报的精度总体较高。由建模期到预报检验期，RF模型的EMAP有不同程度的增大，其中枯水期平均径流在预报阶段较好地保持了模型性能；SVM模型对年平均径流的预报误差较模拟误差的增幅明显小于RF模型，甚至对于枯水期平均径流的预报精度有所提升。因此，SVM模型的泛化能力强于RF。对比定量误差，发现建模期RF优于SVM，而预报检验期恰好相反。图5给出了两种模型的模拟和预报径流过程，可见二者对实际径流时程变化的跟踪效果较好，但存在局部高流量低估和低流量高估的问题；建模期RF的模拟效果较SVM更贴近实际值，而SVM在预报检验期的优势更加明显，这与EMAP的比较结果吻合。上游梯级水库调节影响在一定程度上扰动了径流与气候和水文因子的关系，影响了极值流量预报的不确定性；而RF与SVM在两阶段性能的相异性与样本统计特性的变化密切相关，因此有必要扩充预报模型库，考虑以多模型集合预报降低预报的不确定性。