基于數(shù)據(jù)驅(qū)動(dòng)模型的流域中長期徑流預(yù)報(bào)方法

第1章 緒論
1.1 研究背景及意義
1.1.1 研究背景
1.1.2 研究意義
1.2 外研究現(xiàn)狀
1.2.1 中長期徑流預(yù)報(bào)建模研究現(xiàn)狀及發(fā)展趨勢
1.2.2 中長期徑流預(yù)報(bào)因子的選擇和篩選
1.2.3 中長期徑流預(yù)報(bào)結(jié)果后處理
1.3 研究中存在的問題與不足
1.4 研究內(nèi)容及技術(shù)路線
1.4.1 研究目標(biāo)與內(nèi)容
1.4.2 研究技術(shù)路線
第2章 貝葉斯推斷與支持向量回歸耦合的中長期徑流預(yù)報(bào)方法
2.1 概述
2.2 方法與數(shù)據(jù)
2.2.1 貝葉斯推斷與支持向量回歸耦合的中長期徑流預(yù)報(bào)方法框架
2.2.2 支持向量回歸及ARD核函數(shù)
2.2.3 基于貝葉斯推斷的支持向量回歸
2.2.4 數(shù)據(jù)與預(yù)處理
2.2.5 建模方案設(shè)定
2.3 結(jié)果及討論
2.3.15 種預(yù)報(bào)方法的預(yù)報(bào)效果
2.3.25 種預(yù)報(bào)方法的預(yù)報(bào)效果對比分析
2.3.3 BSVR和BSVRARD方法的概半預(yù)報(bào)效果分析
2.4 小結(jié)
第3章 中長期徑流預(yù)報(bào)效果與總互信息的相關(guān)關(guān)系
3.1 概述
3.2 基于數(shù)據(jù)驅(qū)動(dòng)模型的中長期徑流預(yù)報(bào)適宜性判別方法
3.2.1 PMIS因子選擇方法
3.2.2 基于PMIS的總互信息指標(biāo)
3.3 模型與數(shù)據(jù)
3.3.1 多層感知機(jī)模型（MIP）
3.3.2 長短期記憶網(wǎng)絡(luò)模型（LSTM）
3.3.3 基于滾動(dòng)預(yù)報(bào)的多層感知機(jī)模型（MB模型）
3.3.4 建模方案設(shè)定
3.45 種模型的預(yù)報(bào)效果對比分析
3.4.1 各模型預(yù)報(bào)效果分析
3.4.2 5種模型的預(yù)報(bào)效果對比分析
3.4.3 不同預(yù)見期的預(yù)報(bào)效果對比
3.5 總互信息和預(yù)報(bào)效果的關(guān)系分析
3.5.1 各模型預(yù)報(bào)效果與互信息MI的關(guān)系
3.5.2 各模型預(yù)報(bào)效果與總互信息TMI的關(guān)系
3.5.3 總互信息TMI的影響因素及潛在應(yīng)用
3.6 小結(jié)
第4章 引入降雨預(yù)報(bào)產(chǎn)品的中長期徑流預(yù)報(bào)效果
4.1 概述
4.2 數(shù)據(jù)及方法
4.2.1 流城實(shí)測降雨數(shù)據(jù)與降雨預(yù)報(bào)產(chǎn)品
4.2.2 研究區(qū)城降雨預(yù)報(bào)數(shù)據(jù)校正
4.2.3 建模方案設(shè)定