51
Kan, G., He, X., Ding, L., Li, J., Hong, Y., Ren, M., Lei, T.,
Liang, K., Zuo, D., & Huang, P. (March-April, 2017). Daily
streamflow simulation based on the improved machine
learning method.
Water Technology and Sciences
(in Spanish),
8
(2), 51-60.
Daily streamflow simulation has usually been implemented
by conceptual or distributed hydrological models.
Nowadays, hydrological data, which can be easily obtained
from automatic measuring systems, are more than enough.
Therefore, machine learning turns into an effective and
popular tool which is highly suited for the streamflow
simulation task. In this paper, we propose an improved
machine learning method referred to as PKEK model based
on the previously proposed NU-PEK model for the purpose
of generating daily streamflow simulation results with
better accuracy and stability. Comparison results between
the PKEK model and the NU-PEK model indicated that the
improved model has better accuracy and stability and has a
bright application prospect for daily streamflow simulation
tasks.
Keywords
: Machine learning, daily streamflow simulation,
hydrological model, flood forecasting, global optimization.
Dai ly streamf low simulat ion based on the
improved machine learning method
• Guangyuan Kan* •
China Institute of Water Resources and Hydropower Research, China/Tsinghua
University, China
*Corresponding author
• Xiaoyan He • Liuqian Ding • Jiren Li •
China Institute of Water Resources and Hydropower Research, China
• Yang Hong •
Tsinghua University, China/University of Oklahoma, USA
• Minglei Ren* • Tianjie Lei* •
China Institute of Water Resources and Hydropower Research, China
*Corresponding authors
• Ke Liang •
Hohai University, China
• Depeng Zuo •
Beijing Normal University, China
• Pengnian Huang •
Nanjing University of Information Sciences & Technology, China
Abstract
ISSN 2007-2422
•
Tecnología y Ciencias del Agua,
vol. VIII, núm. 2, marzo-abril de 2017, pp. 51-60
Resumen
Kan, G., He, X., Ding, L., Li, J., Hong, Y., Ren, M., Lei, T., Liang, K.,
Zuo, D., & Huang, P. (marzo-abril, 2017). Simulación de caudales
diarios mediante el método de aprendizaje automático mejorado.
Tecnología y Ciencias del Agua
,
8
(2), 51-60.
La simulación de caudales diarios se ha implementado por lo general
mediante modelos hidrológicos distribuidos o conceptuales. En la
actualidad, los datos hidrológicos, que pueden obtenerse con facilidad
de sistemas automáticos de medición, son más que suficientes. Por
lo tanto, el aprendizaje automático (
machine learning
) se ha
convertido en una herramienta eficaz y popular, muy adecuada para
la tarea de simulación de caudales. En este trabajo se propone un
método de aprendizaje automático mejorado denominado modelo
PKEK, basado en el modelo NU-PEK, previamente propuesto para
generar resultados de simulación de flujo diario más precisos y
estables. Los resultados de la comparación entre el modelo PKEK y
el modelo NU-PEK indican que el modelo mejorado ofrece mayor
exactitud y estabilidad, y tiene un excelente potencial de aplicación
en la simulación de caudales diarios.
Palabras clave
: aprendizaje automático, simulación de caudales
diarios, modelo hidrológico, inundación, pronósticos de inundación,
optimización global.
Received: 14/05/2016
Approved: 22/09/2016
