一种多尺度多因子联合驱动的月径流概率预报方法

摘要

本发明涉及水文预报技术领域，公开了一种多尺度多因子联合驱动的月径流概率预报方法，包括S1构建备选预报变量集合；S2搜集历史观测数据；S3归一化预处理历史观测数据；S4利用随机森林对变量进行重要性评分；S5将变量重要性评估值较高的输入因子逐次添加到最优输入变量集中；S6训练高斯过程回归模型；S7对S6中率定后的模型进行测试，得到最优输入变量集合与对应的耦合预报模型；S8对S7中耦合预报模型的确定性预报结果进行精度评定。与现有技术相比，本发明将随机森林与高斯过程回归相结合，提高了预报模型的物理机理，可充分发挥高斯过程回归优秀的推理能力，实现高精度径流预报结果及其不确定性演化规律的刻画。