Page 69 - 2022年第53卷第12期

P. 69

表１月径流数据的统计特征
８
８
水文站起止年份时长?ａ均值× １０?ｍ３标准差× １０?ｍ３离差系数偏度系数峰度系数
民和１９６１—２０１０５０２８．８６７３３．２２８１．１５１１．４５５２．１７９
兰州１９６１—２０１０５０２４．８６１２９．８６２１．２０１１．５９１２．４５７
白马寺１９５５—２００５５１４８．１８５５２．９８４１．１００１．５８５２．２９３
黑石关１９６１—２０１０５０４７．７８３５４．３７２１．１３８２．００１５．８０８

各站中的识别结果均为１０，模型２在民和、兰州和黑石关站的识别结果分别为８０、６９和９４，模型３
在兰州站的识别结果为１８，模型４在黑石关站的识别结果为５０。除此之外，其余结果都大于１００。对
于ＶＭＤ分解个数的识别结果，除了模型４在兰州站为５之外，其他均为４。
表２模型参数结果

模型１模型２模型３模型４
水文站
Ｃ γ ＬＣ γ ＬＣ γ ＬＫＣ γ ＬＫ
民和１１．４５９１５．５３３１０１０．７５７０．１６０８０１６１６１２１４１６１６３５８４
兰州７．５４８１４．７３５１０５．５７４０．２７９６９１．６９３０．０６３１８４１６１６３５４５
白马寺３．２１１１１．９９１１００．３２５０．０６３２２１１６０．９４５２７５４１６１．１２８２６４４
黑石关１４．５８４１５．９５０１０６．４７３０．４７７９４１６０．６６０３５８４１６１６５０４

表３列出了各模型在训练期和验证期点预测性能的评价结果。在整个训练期，民和站各模型拟合
精度由高至低依次为：模型１、模型３、模型４、模型２；兰州站各模型拟合精度由高至低依次为：模
型１、模型２、模型４、模型３；白马寺站各模型拟合精度由高至低依次为：模型１、模型４、模型３、
模型２；黑石关站各模型拟合精度由高至低依次为：模型１、模型３、模型２、模型４。由此可见，研
２
究区各站均是模型１的拟合性能最优，且模型１的Ｒ和ＮＳＥ值均接近于１，ＭＡＥ和ＲＭＳＥ值也非常
小，而其余三种模型的拟合性能在研究区水文站点表现各不相同。进一步比较两种单一模型的拟合性
能发现，对于各站径流序列均是模型１的拟合性能优于模型２。对比混合模型的拟合性能发现，对于
民和和黑石关站，模型３优于模型４，而在兰州和白马寺两站，模型４的拟合性能则优于模型３。
表３各模型在训练期和验证期的点预测评价结果

训练期验证期
水文站模型
ＭＡＥＲＭＳＥＲ２ＮＳＥＭＡＥＲＭＳＥＲ２ＮＳＥ
模型１０．０７７０．０７９０．９９９０．９９９１８．６５３２５．２３８０．２６７０．２６５
模型２４．２９１１１．０２３０．８８７０．８８７１３．９７０２１．４６９０．５２００．４６８
民和
模型３６．９１５９．７６８０．９０９０．９０７７．７７０１０．５４４０．８７４０．８７２
模型４８．４５２１１．２９２０．９０２０．８９８７．５９９１０．３７７０．８７９０．８７６
模型１０．０７５０．０７７０．９９９０．９９９１７．８３８２２．５０８０．２０００．１５０
模型２３．７９５９．６８９０．９０４０．９０２１４．６５７２０．２９５０．４１９０．３０９
兰州
模型３７．７６３１０．４６４０．８９２０．８８６６．９３８８．６９４０．８７３０．８７３
模型４７．４１０１０．１６６０．９０１０．８９６５．５４５７．８４５０．９０５０．８９７
模型１０．１４００．１４３０．９９９０．９９９３８．９６４４９．４３７０．１４８０．１４５
模型２１４．６４０２７．３９７０．７４００．７０６２６．２６０３８．３１７０．５１８０．４８６
白马寺
模型３１１．０２７１４．５４２０．９０７０．９０６１４．０９８１８．７２００．８７９０．８７７
模型４１０．９２９１４．５３５０．９０９０．９０８１４．０５５１８．６５６０．８８００．８７８
模型１０．２１３０．２１８０．９９９０．９９９３０．９２１３９．３３７０．４８００．４４４
模型２７．７２５１９．５１７０．８８３０．８８２２３．１０２３２．５５３０．６３００．６１９
黑石关
模型３１３．３１３１７．４６００．８８７０．８８５１２．１６７１５．８３７０．９１２０．９１０
模型４１３．２２３２０．０１００．８７３０．８６８１１．４９２１５．４６９０．９２１０．９１４

４
— １６１ —

64 65 66 67 68 69 70 71 72 73 74