基于AutoML的长江下游周旬尺度枯水位及潮位预报 |
| |
引用本文: | 陈柯兵,邓良爱,李瀛,董炳江.基于AutoML的长江下游周旬尺度枯水位及潮位预报[J].水运工程,2023(11):120-125. |
| |
作者姓名: | 陈柯兵 邓良爱 李瀛 董炳江 |
| |
作者单位: | 1. 长江水利委员会水文局;2. 长江航道局;3. 长江航道规划设计研究院 |
| |
摘 要: | 基于微软在2018年发布的自动化机器学习建模平台Azure AutoML,探索长江下游水位及潮位预报模型构建与应用。以大通枯水期周旬尺度最低水位、南京未来14与20次低潮中最低潮位的预报为例,开展研究并从模型构建与评估、预报精度、输入因子重要性等角度进行分析。研究结论表明:微软Azure AutoML平台可便捷地进行自动化机器学习模型的构建;两站点的预报模型在2014—2020年模型构建过程、2021年模型精度分析过程中均取得较高的精度指标,但在最低水位(潮位)波动变幅较大的阶段,预报模型的性能有待进一步提高;大通站不同预见期预报模型的重要输入因子较为一致,排名前三的重要变量依次为八里江、大通、安庆水位;南京潮位预报规律较为复杂,应尽量纳入更长时段的前期潮位信息。
|
关 键 词: | 水位预报 潮位预报 航道尺度 自动化机器学习 大通 南京 |
|
|