- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于主成分分析的K均值聚类法在洪水预报中的应用
第 48卷 第 4期 武汉大学学报 (工学版) Vo1.48No.4
2015年 8月 EngineeringJournalofWuhanUniversity Aug.2015
文章编号 :1671—8844(2015)04—0447—04
基于主成分分析的K均值聚类法在洪水预报 中的应用
刘可新 ,包为民 。,阙家骏 ,李佳佳 ,束慧连
(1.河海大学水文水资源学院,江苏 南京 210098;
2.河海大学水文水资源与水利工程科学国家重点实验室,江苏 南京 210098)
摘要 :洪水预报中影响因素很多,蕴含的信息也很复杂,如何从这些信息中获取有效信息是提高洪水预报精度的关
键 .考虑到洪水聚类时,指标 间的相关性和信息冗余会严重影响分类效果,从而造成分类洪水预报精度不佳 ,应用
主成分分析方法,力求提取历史洪水的有效信息,并以这些信息为基础,运用K均值聚类方法将历史洪水分类 ,对
各类型洪水分别率定参数 ,通过计算洪水指标到各聚类 中心的距离来判别即将发生洪水 的归属类别,采用对应 的
模型参数进行预报.应用于实际流域 ,结果表明,基于主成分分析 的分类洪水预报能够有效减小运算量 ,提高洪水
预报精度.
关键词 :主成分分析;K均值聚类 ;洪水预报
中图分类号 :P338 文献标志码 :A
Application ofK-mean clustermethodtoflood forecasting
based on principalcomponentanalysis
LIU Kexin ,BAO Weimin ,QUEJiajun ,LIJiajia ,SHU Huilian
(1.CollegeofHydrologyandWaterResources,HohaiUniversity,Nanjing210098,China;
2.StateKeyLaboratoryofHydrology-WaterResourcesandHydraulicEngineering,HohaiUniversity,Nanjing210098,China)
Abstract:FloodforecastingisaffectedbySOmanyfactorsthataccessingtoeffectiveinformationmakesthe
keytoimprovethefloodforecastingaccuracy.Itisconsideredthatthereexitsdependencyamongfloodin—
dexeswhichmayaffectstheresultofclassification thatisthekeyfactortoforecastingaccuracy;thenthe
principalcomponentanalysiswasappliedtoextracteffectiveinformationfrom historicalfloods.Theinfor—
mationwasthenusedasthebasistoclassifythehistoricalfloods.Afterthat,modelparametercalibration,
directedtodifferentkindsoffloods,wasredone.Finally,thetesting floodswereforecastedbyusingthe
parameterthatfittedthem best.Itturnedoutthatthecomputationalcostwasreducedandtheforecasting
accuracywasimprovedbyusingthemethod.
Keywords:principalcomponentanalysis;K—mean clusteranalysis;floodforecasting
在水文预报中
原创力文档


文档评论(0)