雅砻江流域中长期径流预报

摘要

以金沙江支流—雅砻江流域甘孜、雅江、泸宁、桐子林4个水文站点为研究对象，将前期径流、ENSO、IOD以及PDO作为预报变量，采用随机森林(RF)、相关向量机(RVM)以及长短期记忆神经网络(LSTM)3种算法，构建预见期13个月的逐月径流递归预报模型。此外，利用LSTM算法开发了多输出预报模型，并深入探讨不同预报因子对LSTM多输出预报模型性能的影响。结果表明：基于RF的递归预报模型效果最佳，位于研究流域上游的甘孜站点使用前期径流及ENSO作为预报因子时效果最佳，其余位于中下游的3个站点使用前期径流作为预报因子时效果最佳，引入IOD和PDO作为预报因子，并未有效提升预报的准确性。

关键词

中长期径流预报 / 随机森林 / 相关向量机 / 长短期记忆神经网络 / 递归预报模型 / 多输出预报模型