Page 140 - 水文预报与水资源优化管理技术

第五章 实时洪水预报与校正

先作为正则化矩阵。当有多个相关的特征时，ElasticNet 是很有用的。Lasso 会随
机挑选他们其中的一个，而 ElasticNet 则会选择两个。

Lasso 和 Ridge 之间的实际的优点是，它允许 ElasticNet 继承循环状态下
Ridge 的一些稳定性。

二、基于支持向量回归机的长期径流预报及不确定性

径流的长期预报是指预见期在 15 d 以上、一年以内，并提供各月径流量的预
报，其对防汛抗旱、水资源调度和高效利用具有重要意义。目前，长期径流预报

大致可分为物理成因分析法、数理统计法和智能方法三大类。物理成因分析法通
过研究陆地海洋下垫面情况、太阳活动、大气环流等要素，推求降水变化规律，

再通过水文模型进行径流预报。由于影响径流的因素复杂，该方法实施难度较

大，仍处于摸索发展之中。数理统计法根据预报因子类别的不同可分为两种：一
是寻求水文要素自身的演变规律进行预报，如根据径流的周期性、趋势性、随机
性等特征，采用 Morlet 小波、方差分析、ARMA 等方法构建基于径流自相关关

系的预报模型；二是寻求水文要素间相互作用的物理机制进行预报，如根据径流

与前期大气环流指数、海温场、高度场等遥相关关系，构建多元回归、逐步回归
等预报模型。智能方法是当前重点研究和应用的预报技术，随着数学、计算机技

术的快速发展，如随机森林、灰色系统、混沌理论、支持向量机等开拓了长期径
流预报的新途径，有效提高了预报精度。基于支持向量回归机的长期径流预报及
不确定性分析支持向量机（Support Vector Machine，SVM）是 Vapnik 等人 1995

年提出的一种基于统计学习理论的新型机器学习算法，最初从线性可分情况下的

最优分类面发展而来，其核心思想是最优分类面不但正确将两类样本分开，而且
使分类间隔最大化，平行最优分类面且距离最短的直线上的训练样本即为支持向

量；在线性不可分情况下，引入松弛变量和误差惩罚参数，建立广义最优分类面；
对于非线性问题，通过核函数将低维非线性分类问题变换为高维线性分类问题，

其形式上类似神经网络，输出的是中间节点的线性组合，每个节点对应一个支持

133