本书密切结合水资源管理的实际应用需求，深入系统地介绍基于机器学习的径流适应性预测理论、模型及方法，主要内容包括径流适应性预测模式及实现框架、基于机器学习的径流预测模型、基于统计规律的径流预测模型、基于气象驱动的径流预测模型、基于成因规律的径流预测模型、基于多模型优选组合的径流预测方法、径流适应性预测系统设计与实现、径流适应性预测系统实例应用等。本书既有思想体系和关键技术理论，也有结合具体案例的实践应用。

更多科学出版社服务，请扫码获取。

2006.04－2009.07 西安理工大学，获博士学位 2003.09－2006.03 西安理工大学，获硕士学位 1999.09－2003.07 西安理工大学，获学士学位2016.12-至今：西安理工大学，教授 2011.10-2016.12：西安理工大学，副教授 2009.7-2011.10：西安理工大学，讲师 陕西省青年科技新星、陕西青年科技奖获得者[1]Ruihua Xue, Jungang Luo, Shaoxuan Li, Ganggang Zuo, Xue Yang; Drought characteristics prediction using a hybrid machine learning model with correction; Stochastic Environmental Research and Risk Assessment;2024.11; IF=3.9; Q1. [2]Xin Jing, Jungang Luo, Ganggang Zuo, Xue Yang; Interpreting runoff forecasting of long short-term memory network: An investigation using the integrated gradient method on runoff data from the Han River Basin; Journal of Hydrology-Regional Studies;2023,12; IF=4.7;Q1.

目录
前言
第1章 绪论 1
1.1 研究背景与意义 1
1.1.1 研究背景 1
1.1.2 研究意义 2
1.2 基本概念 3
1.3 研究现状 4
1.3.1 径流预测研究现状 4
1.3.2 径流组合预测研究现状 6
1.3.3 机器学习研究现状 9
1.4 存在的问题及发展趋势 10
1.4.1 存在的问题 10
1.4.2 发展趋势 12
1.5 本书主要内容 13
第2章 径流适应性预测模式及实现框架 17
2.1 径流适应性预测模式 18
2.1.1 响应环境变化的径流适应性预测模式 18
2.1.2 支撑水资源管理的径流适应性预测模式 19
2.2 径流适应性预测模式实现技术 20
2.2.1 响应环境变化的预测模式实现技术 20
2.2.2 支撑水资源管理的预测模式实现技术 25
2.3 径流适应性预测模式实现框架 26
2.3.1 基于机器学习的径流预测模型建模框架 26
2.3.2 基于统计规律的径流适应性预测框架 28
2.3.3 基于气象驱动的径流适应性预测框架 28
2.3.4 基于成因规律的径流适应性预测框架 31
2.3.5 基于多模型优选组合的径流适应性预测框架 32
第3章 基于机器学习的径流预测模型 34
3.1 径流预测数据预处理 34
3.1.1 特征因子缺失值处理 35
3.1.2 特征因子清洗 51
3.1.3 径流预测样本集构建 57
3.2 径流预测机器学习模型构建 59
3.2.1 浅层学习径流预测模型构建 60
3.2.2 深度学习径流预测模型构建 64
3.3 模型性能评价 71
3.4 模型优化方法 73
3.4.1 引力搜索算法 73
3.4.2 试错法 77
3.4.3 贝叶斯优化方法 77
3.5 模型可解释性分析 82
第4章 基于统计规律的径流预测模型 86
4.1 径流时间序列统计分析 86
4.1.1 复杂非线性特征因子分解 86
4.1.2 径流时间序列分解的边界效应及实例验证 90
4.1.3 不同分解算法效果对比案例 93
4.2 基于统计规律的径流预测模型构建 95
4.2.1 基于统计规律的径流预测样本构建 96
4.2.2 基于统计规律的径流预测模型优化 100
4.2.3 基于统计规律的径流预测模型性能 102
第5章 基于气象驱动的径流预测模型 121
5.1 气象驱动因子挖掘 122
5.2 气象驱动的径流适应性预测模型构建 126
5.2.1 气象驱动的径流适应性预测模型优化 126
5.2.2 气象驱动的径流适应性预测模型性能 127
第6章 基于成因规律的径流预测模型 137
6.1 径流动态成因识别 139
6.1.1 径流成因贡献率 139
6.1.2 关键驱动因子提取实例 141
6.2 基于成因规律的径流适应性预测模型性能 147
6.2.1 不同驱动因子筛选阈值对比 147
6.2.2 预测特征的不同组合比较 149
6.2.3 特征降维与线性相关特征重构预测结果对比 151
6.2.4 不同机器学习模型预测结果对比 152
第7章 基于多模型优选组合的径流预测方法 155
7.1 基模型构建与性能 156
7.1.1 基模型构建 156
7.1.2 基模型性能 176
7.2 径流组合预测基模型确定方法 183
7.2.1 径流适应性预测组合方法 183
7.2.2 基模型优选组合 184
7.3 径流适应性组合预测模型性能 185
第8章 径流适应性预测系统设计与实现 189
8.1 径流适应性预测系统设计 189
8.2 主题知识图谱绘制 192
8.2.1 径流预测主题划分 192
8.2.2 径流预测主题知识图谱绘制 193
8.3 模型方法组件库构建 196
8.3.1 模型方法组件开发 196
8.3.2 模型方法组件部署、定制与集成 197
8.4 径流适应性预测系统构建 198
8.4.1 径流适应性预测知识图谱构建 198
8.4.2 径流适应性预测知识图谱应用 199
第9章 径流适应性预测系统实例应用 201
9.1 数据综合管理 201
9.2 驱动因子挖掘 204
9.3 预测模型开发部署 208
9.4 径流适应性预测 212
9.4.1 多模型预测 212
9.4.2 滚动反馈修正预测 217
参考文献 221