《水运工程》杂志

2024年9月杂志邮寄单号已更新至下载中心里，可按收件人姓名查询快递单号【2024-10-12】。中交水运规划设计院有限公司的银行基本户已变更完毕，最新的账户信息已存于下载中心【2024-3-5】。 关于论文保密及版权的声明最新版已放在下载中心里，请作者下载使用，旧版停止使用【2023-10-9】。 《水运工程》杂志2024年度征订单已放在下载中心里，需要订阅者可下载使用【2023-9-25】。 下载中心里的参考文献著录格式有部分更新，主要是增加了网络出版的格式，供作者参考使用【2023-02-24】。 郑重提示：www.sygc.com.cn 是《水运工程》杂志唯一官方网站，本编辑部从未委托第三方进行征稿、审稿等事宜，谨防上当！【2022-03-03】。为严格论文作者署名的管理，对署名规定进行了调整，详见投稿指南【2018-02-07】。

李　雪,蔡孝燕,林妙丽,范雯霆.基于机器学习的长江航道水位集合概率预报模型*[J].水运工程,2024,(10):158-163

基于机器学习的长江航道水位集合概率预报模型*

Machine learning-based ensemble probability forecast model of Yangtze River channel water level

DOI：

中文关键词: 长江航道水位预测机器学习贝叶斯模型平均法概率预报

英文关键词:Yangtze River channel water level forecast machine learning bayesian model averaging probabilistic forecast

基金项目:长江航道规划设计研究院自主立项项目(2023-026-6-Z-Y)

作者	单位
李　雪	长江涪陵航道处，重庆 408000 长江航道规划设计研究院，湖北武汉 430040 长江航道勘察设计院（武汉）有限公司，湖北武汉 430040 南京水利科学研究院，江苏南京 210029
蔡孝燕
林妙丽
范雯霆

摘要点击次数: 39

全文下载次数: 0

中文摘要:

针对目前水位预测模型预报不确定性以及水位预测精度不高等问题，通过综合多个模型预报结果，提出一种融合机器学习与贝叶斯模型平均法（BMA）的航道水位集合概率预报框架。以长江航道上荆江河段为研究区域，采用随机森林（RF）、支持向量机（SVM）以及人工神经网络（ANN）进行了沙市站和新厂站的水位预测，结果表明水位预测精度表现为RF>SVM>ANN，3种模型预测精度整体均处于较优状态。基于3种机器学习模型预测结果，采用贝叶斯模型平均法进行了水位集合概率预报，BMA模型在沙市站和新厂站的水位预测结果相较于RF得到进一步提升，并准确获取了未来水位在90%概率下可能的出现范围。研究方法有效提升了航道水位预测精度并实现了概率预报，能够为船舶通航安全提供技术支撑。

英文摘要:

Aiming at the uncertainties and low accuracy of current water level prediction models,this paper proposes a probabilistic forecast framework of channel water level by integrating machine learning and Bayesian model averaging method.Taking Jingjiang River section of the upper Yangtze River channel as the research area, random forest (RF),support vector machine (SVM) and artificial neural network (ANN) are used to predict the water level of Shashi station and Xinchang station.The results show that RF has the highest prediction accuracy,followed by SVM,and ANN has a relatively lower prediction accuracy,but all of the three machine learning models provide relatively excellent prediction accuracy.Based on the prediction results of three machine learning models,Bayesian model averaging method is used to forecast the water level ensemble probability.Compared with RF,BMA water level prediction results are further improved,and the possible range of future water level under 90% probability is accurately obtained.The method proposed in this study effectively improves the forecast accuracy of waterway water level and realizes probabilistic forecast,which can provide technical support for ship navigation safety.

查看全文查看/发表评论下载PDF阅读器

关闭