动态贝叶斯网络在水文预报中的应用.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 2010，46(6) 231 动态贝叶斯网络在水文预报中的应用 李维乾 2，解建仓 ·，张永进3，薛保菊 ·，张 丽 LIWei—qian1,2,XIEJian-cang1,ZHANGYong-jin3,XUEBao-ju1,ZHANGLi 1．西安理工大学 水利水电学院，西安 710048 2．甘肃联合大学 数学与信息学院，兰州 730000 3．西安理工大学 工商管理学院，西安 710048 4．西安财经学院，西安710061 1．InstituteofWaterResource and Hydro-electricEngineering，Xi’an UniversityofTechnology，Xi’an710048，China 2．InstituteofMathematicsand Information，Gansu LianheUniversity，Lanzhou 730000，China 3．InstituteofBusinessAdministration，Xi’an University ofTechnoloyg ，Xi’an 710048，China 4．Xi’an University ofFinanceand Economics，Xi’an 710061，China E—mail：wqli80@sohu．con LIWei-qian，XIE Jian-cang，ZHANG Yong-jin，eta1．Application ofdynamicBayesian networksinhydrologicforecast． ComputerEngnieeringandApplications，2010，46(6)：231—234． Abstract：Bayesian network isone ofthe mostefficientmodels in the uncertain knowledge and reasoningfield．A rainfall—runoff prediction modelbased on dynamic Bayesian newtork isputforward in thispaper．The network modelisbased on knowledge of thefield expeflsand thecausesofrainfall-urnoff，theycan producetheprobability oftheflow ratebycalculatingthe conditional probability among variableson the basisofhistoricalrainfalland urnoff data．Finally through the simulation ofhistoricaldata aboutWeiHefiverbasin from Xianyang gauge station toLintonggauge station，hte modelnad theresultsareanalyzed． Key words：Bayesian newtork；dynamicBayesian newtork；hydrologicforecast；datamining；higher-orderMarkov 摘 要：贝叶斯网络是 目前人工智能中不确定知识与推理中最有效的理论模型之一。提出一种基于动态贝叶斯网络模型理论的水 文预报方法。在综合考虑降雨径流成因的基础上，利用领域专家知识构建网络模型，在已有降雨、流量数据的基础上通过计算变量 间的条件概率来计算流量发生的可能性。最后 ，通过渭河流域成阳至临潼段历时数据进行仿真实验，对仿真结果和该模型进行了 分析。 关键词：贝叶斯网络；动态贝叶斯网络；水文预报；数据挖掘；高阶马尔科夫链 DOI：10．3778~．issn．1002—8331．2010．06．067 文章编号：1002—8331(2010)06—0231—04 文献标识码：A 中图分类~：TP391 1 引言 河流域咸阳至临潼段水文预报模型。 对水文预报的方法有很多种，有基于确定性模型的中国的 新安江模型、美国的萨克拉门托模型和 日本的水箱模型1]【，还有 2 贝叶斯网络基础知识 一 些如人工神经网络、遗传算法等现代方法。在水