基于多種混合模型的徑流預測研究

梁 浩，黃生志，孟二浩，黃 強

（西安理工大學 西北旱區生態水利國家重點實驗室，陜西 西安 710048）

1 研究背景

河川徑流作為水循環的關鍵環節，對其進行準確預報十分重要［1］。當前水資源系統受到諸多因素的影響，徑流序列表現出多時間尺度變化特性和非平穩特性，這給徑流序列的預測帶來了難度。尤其是在極端天氣頻發的背景下，徑流序列呈現更大的波動性［2］。當前，徑流預測模型已有不少，從不同的模型中優選可靠的徑流預報模型，獲得更高的徑流預測精度，是水文預報工作者迫切開展的工作。

為了獲得未來幾天、幾個月甚至幾年的徑流預測值，水文預報人員已經提出了多種方法。這些水文預報模型方法可以大致分為過程驅動和數據驅動兩大塊［3］。過程驅動的模型以基于物理過程的水文模型為主，如王中跟等［4］通過SWAT模型利用地理信息系統和遙感的數據模擬流域上復雜的水文過程。數據驅動則主要通過針對水文站、氣象站等觀測的數據，結合統計方法進行徑流模擬預測，如運用廣泛的多元線性回歸（MLR）［5-6］、人工神經網絡模型（ANN）［7-8］和支持向量機模型（SVM）［9-10］等諸多基于人工智能的模型［11］。水文模型要涉及較為復雜的水文過程，需要大量準確的水文過程資料，需要考慮不同時空尺度下水文系統規律的差異性，存在參數不確定性以及水文模型普適性較差等問題［12］。數據驅動模型不需要考慮水文過程的物理機制，對時間序列進行數學分析，在解決數據預測問題以及時間序列分析等方面有獨特的優勢［13-14］。……