广义相加模型在乌江夏季径流预报中的应用

荣艳淑，胡玉恒，冯瑞瑞，殷雨婷，李崇浩

(1.河海大学水文水资源学院，江苏 南京 210098；2.河海大学水利学科专业实验教学中心，江苏 南京 210098；3. 南京恩瑞特实业有限公司，江苏 南京 211106；4.中国南方电网电力调度控制中心，广东 广州 510623)

中长期径流预测一直是水文预报的一大难题。传统的统计水文预报模型，如时间序列分析和各种回归模型等，由于计算简便，模型参数有一定的物理意义而被广泛地应用于水文预报工作[1]。如，基于多种气象因子建立的逐步回归模型、多元线性回归模型和时间序列分解模型对月、旬径流都有较好的预报效果[2-4]。但是传统线性统计模型没有考虑地球气候系统中各要素与径流之间复杂的非线性关系，预测精度很难有进一步提高[5]。随着计算机技术的发展，人工神经网络、改进人工神经网络和小波分解等，不仅能够处理变量之间的非线性映射关系[6]，而且预测结果明显优于线性回归模型，预报精度也有明显提高[7-9]。但是这些方法存在模型物理意义不明确，模型通用性较差等缺陷[10]。近年来涌现了一些考虑了非线性关系，或者使用多种模型融合的技术方法，明显提高了预测水平[11-15]。广义相加模型(generalized additive model,GAM)就是综合了线性关系和非线性关系的一种复合模型，它承认预测变量与某些物理因子存在线性关系，与另外的物理因子可能存在非线性关系，并基于线性和非线性因子建立综合模型。这一模型在基于海温因子的降水预测、基于气温和降水的大气污染影响分析和基于NAO的阿尔卑斯山冬季极端气温的预测中都得到较好的应用[16-18]。……