张 轩 ，张行南 ，王高旭 ，吴 巍 ，许 怡

(1.南京水利科学研究院水文水资源研究所，江苏 南京 210029； 2.水文水资源与水利工程科学国家重点实验室，江苏 南京 210029；3.河海大学水文水资源学院，江苏 南京 210098)

中长期预报技术可以服务于水库复杂的工作任务，对防汛抗旱、科学调度、蓄水发电、航道运输有着重大意义。国内外关于中长期预报方法的研究很多，从诸多气象因子中选取合适的因子集合，建立预报模型训练流域径流，是目前中长期预报的主流方法之一[1]。该类方法常见的模型有数理统计模型以及近年出现的机器学习模型，数理统计模型较早应用于径流预报，主要有多元线性回归[2-3]、逐步回归[4]等模型；机器学习模型应用较晚，但是发展迅速，以人工神经网络[5]、支持向量机[6]、随机森林[7]为代表的模型在中长期预报中都取得了较好的效果。赵鹏雁等[8]基于最近邻抽样回归模型、周期叠加模型、逐步回归模型和神经网络模型等10种模型建立了澜沧江流域小湾水库月径流预报方案；陶思铭等[9]采用长短期记忆神经网络，构建了未来30 d的逐日流量预报模型，预报效果良好；谢帅等[10]引入Lasso回归方法筛选径流预报因子，以其选择结果作为支持向量回归模型中的预报因子，构建了Lasso回归和支持向量回归耦合(Lasso and support vector regression，LSVR)模型，并应用到龙羊峡水库进行月入库径流预报。综上，中长期径流预报中模型的实际应用已经非常成熟，然而对比于传统的模型，机器学习模型有什么优势与缺点，适用性与稳定性如何，仍然需要进一步探索。……