基于TFPW-MK-Pettitt和EEMD的非一致性水文频率计算方法

近年来,受气候变化及人类活动的影响,使水文情势发生变化,导致频率计算中水文资料不再满足一致性的前提假设。为进行非一致性条件下的水文频率计算,提出基于TFPW-MK-Pettitt和EEMD的非一致性水文频率计算方法,首先应用去趋势预置白Mann-Kendall-Pettitt方法对水文序列进行一致性检验;其次应用EEMD方法对非一致水文序列进行修正;最后对修正的序列进行水文频率计算。统计试验和实例证明,TFPW-MK-Pettitt方法适用于我国水文序列的一致性检验;该方法运用于1956~2012年宜昌站径流序列,检验出有下降趋势;运用EEMD方法对该序列进行修正后,频率计算得出各设计值较未修正的设计值小10%左右。     

随机森林在降水量长期预报中的应用

随机森林是21世纪提出的基于分类树的算法,在处理大数据集中具有明显优势,首度将其应用在降水长期预报中。以长江中下游地区1月份降水预报为例,运用随机森林模型构建原则,在74项大气环流因子以及前期月降水中筛选模型预报因子,进行长期降水量预报,并将其与神经网络模型预报效果进行对比,发现随机森林的泛化误差为13%,预报准确率达到75%,而神经网络的预报准确率仅为67%。此外,本研究还对长江中下游地区的汛期降水量进行了长期预报,结果表明,随机森林模型进行降水量长期预报中模拟和预报的效果令人满意,值得进一步研究和应用。