基于Gustafson-Kessel聚类的Takagi-Sugeno模糊模型的降雨-径流预测
机器学习
2021-08-24 v1 人工智能
大气与海洋物理
摘要
降雨-径流模型使用基于物理的方法或基于系统的方法预测地表径流。Takagi-Sugeno（TS）模糊模型是基于系统的方法，由于相对于其他现有模型具有若干优势且预测精度更高，近几十年来成为水文学家流行的建模选择。在本文中，我们提出一种利用基于Gustafson-Kessel（GK）聚类的TS模糊模型开发的新的降雨-径流模型。我们给出了GK算法与另外两种聚类算法的比较性能度量：（i）模糊C均值（FCM），以及（ii）减聚类（SC）。我们提出的TS模糊模型利用以下因素预测地表径流：（i）流域内观测降雨，以及（ii）流域出口先前观测的降水流量。所提模型使用安装在印度理工学院卡拉格普尔校区传感器收集的降雨-径流数据进行了验证。该模型的最优规则数由不同的验证指标获得。对四种性能准则：均方根误差（RMSE）、效率系数（CE）、体积误差（VE）和决定系数相关系数（R）已针对每种聚类算法进行了定量比较研究。
引用
@article{arxiv.2108.09684,
title = {Rainfall-runoff prediction using a Gustafson-Kessel clustering based Takagi-Sugeno Fuzzy model},
author = {Subhrasankha Dey and Tanmoy Dam},
journal= {arXiv preprint arXiv:2108.09684},
year = {2021}
}
备注
This paper is underreview to IEEE SSCI 2022