Vine+Copula与贝叶斯模型平均结合的月径流预测及应用.pdfVIP

第 38 卷 第 24 期 农 业 工 程 学 报 Vol.38 No.24 2022 年 12 月 Transactions of the Chinese Society of Agricultural Engineering Dec. 2022 73 ·农业水土工程· Vine Copula 与贝叶斯模型平均结合的月径流预测及应用 1,2 1,2※ 2 2 2 2 吴海江 ，粟晓玲 ，祁继霞 ，张 特 ，朱兴宇 ，武连洲 （1. 西北农林科技大学旱区农业水土工程教育部重点实验室，杨凌 712100 ；2. 西北农林科技大学水利与建筑工程学院，杨凌 712100 ） 摘 要：准确可靠且预见期较长的月径流预测对水资源配置、防汛抗旱以及生态环境保护等具有重要意义。径流变化与 降水、气温、潜在蒸散发以及前期径流等存在密切联系。鉴于Vine Copula 可以灵活地将多个随机变量的边缘分布函数通 过 Copula 对的形式联结起来构造多维联合分布函数以及贝叶斯模型平均（Bayesian Model Averaging，BMA ）在处理多模 型集合预报方面的优势，该研究基于 BMA 集合多个 Vine Copula 模型提出了一种 BVC 径流预测模型（简称 BVC 模型）， 应用于黄河流域上游 4 个水文站（唐乃亥站、民和站、红旗站和折桥站）的月径流预测，采用确定性系数（R2 ）、纳什效 率系数（Nash-Sutcliffe Efficiency coefficient ，NSE ）和均方根误差（Root Mean Squared Error ，RMSE ）评价模型的预测性 能。结果表明，验证期内预见期为 1～3 个月时，BVC 模型在各水文站的 R2 均大于等于 0.83、NSE 均大于等于 0.78 且 RMSE 均维持在较低水平；与随机森林 （Random Forest ，RF ）模型和长短期记忆神经网络 （Long Short-Term Memory Neural Network ，LSTM ）模型相比，BVC 模型能够很好地预测各水文站月径流的变化过程，特别是月径流极值的变化。研究表 明BVC 模型在预见期为 1～3 个月时的月径流预测性能明显优于 RF 模型和 LSTM 模型。该研究构建的 BVC 模型为流域 的水资源管理和风险评估等提供参考。 关键词：水资源；机器学习；径流；预测；贝叶斯模型平均；Vine Copula ；黄河流域 doi ：10.11975/j.issn.1002-6819.2022.24.008 中图分类号：TV11 ；P338 文献标志码：A 文章编号：1002-6819(2022)-24-0073-10 吴海江，粟晓玲，祁继霞，等. Vine Copula 与贝叶斯模型平均结合的月径流预测及应用[J]. 农业工程学报，2022， 38(24)：73-82. doi ：10.11975/j.issn.1002-6819.2022.24.008 Wu Haijiang, Su Xiaoling, Qi Jixia, et al. Prediction and application of monthly streamflow based on Vine Copula coupled Bayesian model averaging[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(24): 73-82. (in Chinese with English abstract) doi ：