基于简单组合的水文时间序列预测：大数据检验与河流年径流一年期可预报性研究
应用统计
2020-08-19 v2 机器学习
统计方法学
机器学习
摘要
提供有用的水文预报对于城市和农业水资源管理、水力发电、防洪与管理、干旱缓解与减轻以及流域规划与管理等至关重要。本文提出并评估了一种用于水文时间序列预测的新颖、简单且灵活的方法。该方法依赖于 (a) 至少两种单一预测方法与 (b) 预测值的中位数组合器。评估所使用的庞大数据集由来自约 600 个站点的 90 年长年均河流流量时间序列组成。这些站点覆盖北美和欧洲的大部分地区，代表了多样的气候与流域特征，因而可共同支持基准测试。五种单一预测方法与所提方法的 26 种变体被应用于每个时间序列。应用以单步超前预测模式进行。单一方法包括末次观测基准、简单指数平滑、复杂指数平滑、自动自回归分数阶积分滑动平均（ARFIMA）以及 Facebook 的 Prophet，而 26 种变体由上述五种方法的所有可能组合（两两、三三、四四或五五）定义。新方法被认定为长期表现良好，尤其在框架内组合超过两种单一预测方法时。此外，本文算法化地调研并讨论了在系统框架内基于个案信息集成不同水文预测方法的可能性。相关调研包含线性回归分析，旨在发现代表性预测性能指标值与所选河流流量统计量值之间的可解释关系……
引用
@article{arxiv.2001.00811,
title = {Hydrological time series forecasting using simple combinations: Big data testing and investigations on one-year ahead river flow predictability},
author = {Georgia Papacharalampous and Hristos Tyralis},
journal= {arXiv preprint arXiv:2001.00811},
year = {2020}
}