基于多模型集合方法的北江流域月径流预报研究

准确的月径流预报对于水资源优化配置、流域防汛抗旱、开展水量调度、水库群发电优化等具有十分重要的作用。当前工作中常用的月径流预报方法主要有水量平衡模型、数理统计模型、人工神经网络等。研究表明，任何单个模型在月径流预报问题上都无法始终具有最佳预报效果，多模型集合方法为消除模型不确定性、提高月径流预报精度提供了有效途径。以北江流域坪石站、犁市站、横石站和石角站为研究对象，分析对比了季节性自回归模型、两参数月水量平衡模型、人工神经网络的应用效果，并基于BMA(Bayesian Model Averaging)法获取上述站点的多模型集合方案，研究结果表明多模型集合月径流预报的精度相比单模型具有明显提升，不仅具有更高的确定性系数DC(Determination Coefficient),还能有效降低水量误差MAPE(Mean Absolute Percentage Error),能够为流域调度决策提供更好的支持。