基于径流组分约束的机器学习融水径流模型

摘要

为提高寒区河流的径流模拟精度，同时降低模型数据需求，以雅鲁藏布江为例，提出一种基于径流组分约束的随机森林融水径流模型（component constraint algorithm-random forest,CCA-RF），用以计算流域冰川-积雪融水。CCA-RF模型在奴各沙、羊村及奴下3个断面验证期的纳什效率系数（Nash-Sutcliffe efficiency,ENS）分别达到0.692、0.707和0.799，相较于度日模型分别提升了0.198、0.065和0.220。结果表明：在冰川覆盖及度日因子数据精度较低的情况下，CCA-RF模型在径流年内分布模拟精度上优于度日模型。对比中国科学院可变下渗容量模型（variable infiltration capacity-Chinese Academy of Sciences,VIC-CAS）发现，CCA-RF对年际趋势的捕捉能力较弱，但两者总径流量模拟误差相近。

关键词

随机森林 / 径流组分 / 融水径流 / 雅鲁藏布江流域 / 径流计算