期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于贝叶斯模型加权平均方法的水文模型不确定性分析
被引量：
50
1
作者
董磊华
熊立华
万民
《水利学报》
EI
CSCD
北大核心
2011年第9期1065-1074,共10页
贝叶斯模型加权平均(BMA)方法是通过综合几个模型预报值的后验分布来推断预报量的更可靠概率分布分析工具。它不仅能提供一个综合的预报值,还能提供一个综合的预报区间。本文采用3个水文模型,统一用SCE-UA算法率定参数,得到3组不同的预...
贝叶斯模型加权平均(BMA)方法是通过综合几个模型预报值的后验分布来推断预报量的更可靠概率分布分析工具。它不仅能提供一个综合的预报值,还能提供一个综合的预报区间。本文采用3个水文模型,统一用SCE-UA算法率定参数,得到3组不同的预报值用于BMA方法的综合,着重分析比较BMA和单个模型的预报不确定性区间,来检验贝叶斯模型加权平均方法是否能提高预报的可靠性。结果表明,BMA方法不仅能提高预报精度,还能推求出性质更为优良的预报区间,提高预报的可靠性。
展开更多
关键词
水文
模型
不确定性
贝叶斯
模型
加权
平均
(
bma
)
预报区间
下载PDF
职称材料
集合神经网络的洪水预报
被引量：
11
2
作者
江衍铭
张建全
明焱
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2016年第8期1471-1478,共8页
针对防洪减灾的问题,通过将集合预报概念应用于人工神经网络,综合考虑样本和参数等因素的影响,构建集合神经网络模型,以降低单一神经网络模型的不确定性.针对初始值扰动和样本重采样两方面分别产生集合成员,由简单平均和贝叶斯模型加权...
针对防洪减灾的问题,通过将集合预报概念应用于人工神经网络,综合考虑样本和参数等因素的影响,构建集合神经网络模型,以降低单一神经网络模型的不确定性.针对初始值扰动和样本重采样两方面分别产生集合成员,由简单平均和贝叶斯模型加权平均整合预报输出,构建龙泉溪流域预见期为1~3h的集合洪水预报.结果表明,相对于单一神经网络,集合神经网络模型有效地提高预测的精度.从均方根误差上看,集合神经网络模型性能比单一神经网络模型提升了15%~35%.在众多集合策略中,以初始值扰动和简单平均操作最简单,模型预报输出有16%~32%的提升,重采样和贝叶斯模型加权平均的组合效果使预报精度改进了22%~35%.
展开更多
关键词
洪水预报
人工神经网络(ANN)
贝叶斯
模型
加权
平均
(
bma
)
集合预报
下载PDF
职称材料
题名
基于贝叶斯模型加权平均方法的水文模型不确定性分析
被引量：
50
1
作者
董磊华
熊立华
万民
机构
武汉大学水资源与水电工程科学国家重点实验室
出处
《水利学报》
EI
CSCD
北大核心
2011年第9期1065-1074,共10页
基金
国家自然科学基金(51079098)
国家自然科学基金重点项目(40730632)
中央高校基本科研业务费专项资金资助
文摘
贝叶斯模型加权平均(BMA)方法是通过综合几个模型预报值的后验分布来推断预报量的更可靠概率分布分析工具。它不仅能提供一个综合的预报值,还能提供一个综合的预报区间。本文采用3个水文模型,统一用SCE-UA算法率定参数,得到3组不同的预报值用于BMA方法的综合,着重分析比较BMA和单个模型的预报不确定性区间,来检验贝叶斯模型加权平均方法是否能提高预报的可靠性。结果表明,BMA方法不仅能提高预报精度,还能推求出性质更为优良的预报区间,提高预报的可靠性。
关键词
水文
模型
不确定性
贝叶斯
模型
加权
平均
(
bma
)
预报区间
Keywords
hydrological modeling uncertainty
Bayesian Model Averaging（
bma
）
Prediction interval
分类号
P333 [天文地球—水文科学]
下载PDF
职称材料
题名
集合神经网络的洪水预报
被引量：
11
2
作者
江衍铭
张建全
明焱
机构
浙江大学建筑工程学院水文与水资源工程研究所
浙江大学建筑工程学院建筑学系
出处
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2016年第8期1471-1478,共8页
基金
教育部博士点新教师资助项目(J20131413)
浙江省教育厅一般资助项目(N20130036)
文摘
针对防洪减灾的问题,通过将集合预报概念应用于人工神经网络,综合考虑样本和参数等因素的影响,构建集合神经网络模型,以降低单一神经网络模型的不确定性.针对初始值扰动和样本重采样两方面分别产生集合成员,由简单平均和贝叶斯模型加权平均整合预报输出,构建龙泉溪流域预见期为1~3h的集合洪水预报.结果表明,相对于单一神经网络,集合神经网络模型有效地提高预测的精度.从均方根误差上看,集合神经网络模型性能比单一神经网络模型提升了15%~35%.在众多集合策略中,以初始值扰动和简单平均操作最简单,模型预报输出有16%~32%的提升,重采样和贝叶斯模型加权平均的组合效果使预报精度改进了22%~35%.
关键词
洪水预报
人工神经网络(ANN)
贝叶斯
模型
加权
平均
(
bma
)
集合预报
Keywords
flood forecasting
artificial neural network(ANN)
Bayesian model average(
bma
)
ensemble prediction
分类号
TV213 [水利工程—水文学及水资源]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于贝叶斯模型加权平均方法的水文模型不确定性分析
董磊华
熊立华
万民
《水利学报》
EI
CSCD
北大核心
2011
50
下载PDF
职称材料
2
集合神经网络的洪水预报
江衍铭
张建全
明焱
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2016
11
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
