基于卷积径向基网络的多变量水位预测模型

实现河流水位的准确预测对于流域水资源的精准调度与管理具有重要意义。由于水文数据的复杂多变与非线性相关特性，传统机器学习模型的预测精度难以进一步提高。本文提出了一种基于卷积径向基网络的多变量水位预测模型，该模型先通过多层二维卷积网络对水文变量的时空特征进行并行化地充分提取，然后利用径向基网络实现河流水位的高精度预测。针对四川省清溪河流域开展了模型的相关实验研究，结果表明：与四种经典模型相比，其均方根误差最少降低了0.0387，纳什效率系数最少增加了0.0557；与现有的自回归循环网络模型相比，在相同输入特征条件下其最大误差和均方根误差分别降低了0.3482和0.0165，验证了该模型在流域水位预测中具有良好的适用性和有效性。