基于多因子最近邻抽样回归模型的径流相似性预报
【摘要】 针对传统径流预报精度不高、预见期不足的问题，提出基于降雨、径流相似性的径流预报方法，采用大数据挖掘在历史降雨产流过程中搜索相似过程，预测后期径流最可能的过程线。为了延长径流预报预见期，实时接入降雨预报信息，提出3种径流滚动预报方式，实现了7d预见期的径流逐日滚动预报；针对流域在涨退水等不同阶段的产汇流特性，建立可根据实时水雨情自适应切换的降雨、径流输入模式，进一步提高径流预报精度。该研究成果在大渡河的应用表明预报效果达到预期：3d预见期的纳什系数大于0.9，平均相对误差小于10%；7d预见期的纳什系数大于0.8，平均相对误差小于15%。
