一种基于权重实时修正机器学习模型的径流集合预报方法

本发明公开了一种基于权重实时修正机器学习模型的径流集合预报方法，本发明通过收集研究流域内水文气象数据，并划分训练集、验证集和测试集，建立机器学习径流预报集合，并利用动态贝叶斯算法获取机器学习径流预报集合中各模型的动态权重；然后基于径流实测值，对机器学习模型得到的径流模拟值进行分类，构建类别预测模型，输出预测类别，并按类别划分训练集并提取权重序列，根据类别率定权重修正值以调整权重之和，并在验证集上验证效果；最后基于测试集预测类别划分测试集并提取权重序列，结合校正权重，生成最终径流预测结果。本发明有效减小了模型集合整体偏差对最终预测的影响，从而提高流域径流预报精度。