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 國內(nèi)外研究現(xiàn)狀
1.2.1 中長期徑流預(yù)報建模研究現(xiàn)狀及發(fā)展趨勢
1.2.2 中長期徑流預(yù)報因子的選擇和篩選
1.2.3 中長期徑流預(yù)報結(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)報方法的預(yù)報效果
2.3.25 種預(yù)報方法的預(yù)報效果對比分析
2.3.3 BSVR和BSVRARD方法的概半預(yù)報效果分析
2.4 小結(jié)
第3章 中長期徑流預(yù)報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)動模型的中長期徑流預(yù)報適宜性判別方法
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 基于滾動預(yù)報的多層感知機模型（MB模型）
3.3.4 建模方案設(shè)定
3.45 種模型的預(yù)報效果對比分析
3.4.1 各模型預(yù)報效果分析
3.4.2 5種模型的預(yù)報效果對比分析
3.4.3 不同預(yù)見期的預(yù)報效果對比
3.5 總互信息和預(yù)報效果的關(guān)系分析
3.5.1 各模型預(yù)報效果與互信息MI的關(guān)系
3.5.2 各模型預(yù)報效果與總互信息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)報產(chǎn)品的中長期徑流預(yù)報效果
4.1 概述
4.2 數(shù)據(jù)及方法
4.2.1 流城實測降雨數(shù)據(jù)與降雨預(yù)報產(chǎn)品
4.2.2 研究區(qū)城降雨預(yù)報數(shù)據(jù)校正
4.2.3 建模方案設(shè)定
4.3 以實測降雨作為輸入的5種模型預(yù)報效果
4.3.1 引入實測降雨后的5種模型預(yù)報效果
4.3.2 5種模型預(yù)報效果對比
4.3.3 引入實測降雨后各模型預(yù)報效果和TMI之間相關(guān)關(guān)系
4.4 以對應(yīng)預(yù)見期預(yù)報降雨作為輸人的中長期徑流預(yù)報結(jié)果
4.4.1 降雨預(yù)報數(shù)據(jù)校正效果
4.4.2 以對應(yīng)預(yù)見期的預(yù)報降雨作為輸入的中長期徑流預(yù)報效果評估
4.4.3 以對應(yīng)預(yù)見期的預(yù)報降雨作為輸入后的徑流預(yù)報誤差變化分析
4.4.4 與無降雨因子的預(yù)報效果對比
4.5 小結(jié)
第5章 基于貝葉斯模型平均的中長期徑流概率預(yù)報
5.1 概述
5.2 數(shù)據(jù)及方法
5.2.1 研究框架
5.2.2 貝葉斯模型平均方法
5.3 輸入降雨概率分布后5種模型的徑流概率預(yù)報效果
5.3.1 徑流概率預(yù)報效果提升分析
5.3.2 中長期徑流概率預(yù)報可靠性及寬度評分提升分析
5.3.3 5種預(yù)報方法的徑流概率預(yù)報效果對比分析
5.3.4 降雨因子在兩類模型徑流概率預(yù)報中的作用分析
5.4 基于BMA方法的徑流概率預(yù)報結(jié)果
5.4.1 整體概率預(yù)報效果評分提升
5.4.2 融合后的徑流概率預(yù)報可靠性及寬度評分提升分析
5.4.3 基于BMA方法融合后的徑流概率預(yù)報效果評估
5.4.4 部分站點預(yù)報效果較差的原因初步分析
5.5 小結(jié)
第6章 總結(jié)與展望
6.1 主要研究成果
6.2 主要創(chuàng)新點
6.3 研究中的不足與展望
參考文獻
附錄
附錄A 澳大利亞37個水文基準站信息
附錄B 預(yù)報因子選擇結(jié)果