黃 亞，易 靈，肖偉華，侯貴兵，李媛媛

(1.中水珠江規(guī)劃勘測設(shè)計有限公司，廣東廣州510610;2.中國水利水電科學(xué)研究院流域水循環(huán)模擬與調(diào)控國家重點實驗室，北京100038)

0 引 言

徑流預(yù)測一直是人們關(guān)注的重大問題。傳統(tǒng)方法如時間序列法[1]、回歸分析法[2]、模糊分析法[3]、小波分析法[4]、集對分析法[5]以及灰色預(yù)測法[6]等均在徑流預(yù)測預(yù)報中取得了一定的成效；但是由于河川徑流受眾多因素的相互作用、相互影響，具有顯著的非線性、高維性、混沌性、模糊性等諸多復(fù)雜特征，使上述方法的預(yù)測精度受到不同程度的影響[7-8]。近年來，一些學(xué)者將神經(jīng)網(wǎng)絡(luò)(ANN)、支持向量機(jī)(SVM)等機(jī)器學(xué)習(xí)方法引入徑流預(yù)測研究領(lǐng)域，取得了不少有價值的研究成果[9-10]。但是，這些方法本身仍存在著許多公開的問題，如：神經(jīng)網(wǎng)絡(luò)存在著最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)難以確定和過度擬合的問題，且單層神經(jīng)網(wǎng)絡(luò)收斂速度慢，容易陷入局部極值[11]；SVM計算時間受樣本數(shù)量影響明顯，核函數(shù)以及懲罰因子的選取經(jīng)驗性較強(qiáng)，對預(yù)測結(jié)果影響較大等[12]。為此，探討新的更為精確徑流量預(yù)測方法顯得日益重要。

高斯過程(Gaussian Processes，GP)作為一種新的機(jī)器學(xué)習(xí)技術(shù)在多個領(lǐng)域的應(yīng)用研究引起了相關(guān)學(xué)者的密切關(guān)注[13-16]。它有嚴(yán)格的統(tǒng)計學(xué)理論基礎(chǔ)，對處理高維數(shù)、小樣本、非線性等復(fù)雜回歸問題具有良好的適應(yīng)性，而且還具有參數(shù)自適應(yīng)獲取和預(yù)測結(jié)果具有概率意義等優(yōu)點[17]。GP模型在其他領(lǐng)域已經(jīng)取得了成功應(yīng)用。本文以GP模型進(jìn)行徑流預(yù)測研究；同時采用傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型和SVM模型進(jìn)行參照對比分析，以期尋求更為精確的徑流預(yù)測方法。

1 GP基本原理及算法的實現(xiàn)

1.1 高斯過程基本原理[18]

假設(shè)n個觀測數(shù)據(jù)的訓(xùn)練集為D={(xi，yi|i=1，…，n)}={X,y}。其中，xi為D中的第i個輸出變量；yi為D中的第i個目標(biāo)輸出；n為訓(xùn)練集中的樣本個數(shù)。GP模型是根據(jù)先驗知識確定輸入向量與目標(biāo)輸出之間關(guān)系f進(jìn)行預(yù)測的。即在給定輸入向量時確定目標(biāo)輸出的條件分布。

假定f為一個高斯過程，即f～GP(m，k)，f是一個以m為均值函數(shù)，k為協(xié)方差函數(shù)的高斯過程。高斯過程是一個隨機(jī)過程，其與高斯分布類似，高斯過程完全由其均值函數(shù)與協(xié)方差函數(shù)確定。

實際目標(biāo)輸出y往往會包含一些噪聲，它與真實輸出值f(x)相差ε。即

y=f(x)+ε

(1)

(2)

觀測值y的先驗分布為

(3)

式中，K=K(X，X)為n×n階對稱正定的協(xié)方差矩陣，矩陣中的元素Kij度量了xi和yj的相關(guān)程度。

此時，訓(xùn)練數(shù)據(jù)集的n個訓(xùn)練樣本輸出向量y和測試數(shù)據(jù)集的預(yù)測值f*構(gòu)成聯(lián)合高斯先驗分布

(4)

式中，K*=K(X*，X)；K**=K(X*，X*)。二者同樣反映了其中元素之間的相關(guān)程度。

GP模型可以根據(jù)實際預(yù)測數(shù)據(jù)規(guī)律選擇不同的協(xié)方差函數(shù)，但都需要滿足對任一點集都能夠保證產(chǎn)生一個非負(fù)正定協(xié)方差矩陣[19]。本研究選擇各項異性平方指數(shù)函數(shù)SE作為協(xié)方差核函數(shù)

(5)

式中，xp、xq分別為訓(xùn)練樣本或者測試樣本中的任意兩個輸入向量；σf、l為超參數(shù)，可以通過極大似然法獲得。即，通過建立訓(xùn)練樣本條件概率的對數(shù)似然函數(shù)對超參數(shù)求偏導(dǎo)，再采用共軛梯度優(yōu)化方法搜索出超參數(shù)的最優(yōu)解。對數(shù)自然函數(shù)為

(6)

根據(jù)式(4)獲取最優(yōu)超參數(shù)后，在訓(xùn)練集(X，y)的基礎(chǔ)上，再根據(jù)貝葉斯原理預(yù)測出與X*對應(yīng)的最大概率的輸出值，其中貝葉斯原理采用觀測到的真實數(shù)據(jù)，不斷更新概率預(yù)測分布，最后在已有訓(xùn)練樣本(X，y)和預(yù)測樣本X*條件下推斷出y*的最大概率的預(yù)測后驗分布

(7)

其預(yù)測值y*的均值和方差為

μ*=KT(X*)-K-1y

(8)

(9)

1.2 算法過程的實現(xiàn)

(1)確定訓(xùn)練樣本的輸入向量Xi中歷史點個數(shù)p，建立天峨水文站日徑流量預(yù)測模型的訓(xùn)練樣本(X，y)。

(2)數(shù)據(jù)標(biāo)準(zhǔn)化處理。當(dāng)天峨水文站徑流量實測數(shù)據(jù)數(shù)量級相差較大時或離散性較大時，需對輸入、輸出數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。常用的標(biāo)準(zhǔn)化方法是：各訓(xùn)練樣本的輸入值除以所有樣本在各維度上的標(biāo)準(zhǔn)差；對輸出進(jìn)行標(biāo)準(zhǔn)化處理，推薦的標(biāo)準(zhǔn)化方法是對各樣本輸出減去所有樣本輸出的平均值。

(3)選擇適合的協(xié)方差函數(shù)，并依據(jù)協(xié)方差函數(shù)對超參數(shù)的要求給出初始超參數(shù)。

(4)對已建立的天峨水文站徑流量訓(xùn)練樣本進(jìn)行訓(xùn)練，并通過對數(shù)自然函數(shù)式(6)獲取最優(yōu)超參數(shù)。

(6)根據(jù)上述步驟編制Matlab語言，實現(xiàn)基于GP模型的徑流量數(shù)據(jù)有效預(yù)測。

2 工程實例應(yīng)用

本文在利用GP模型進(jìn)行徑流預(yù)測的研究中，截取了廣西天峨水文站某一年日平均徑流量中的4月份前28 d數(shù)據(jù)構(gòu)成訓(xùn)練樣本，預(yù)測未來5 d該庫區(qū)徑流狀況。在建立預(yù)測徑流量的GP模型時，以連續(xù)p+1日徑流量為一個訓(xùn)練樣本。其中，前p日徑流量構(gòu)成訓(xùn)練樣本的輸入向量；第p+1日徑流量為輸出值；p為歷史點個數(shù)，對結(jié)果有較大影響。例如：給定數(shù)據(jù)x1，x2，…，x6，…，建立GP模型過程中以X1=[x1，x2，，…，xp]，y1=xp+1作為訓(xùn)練樣本(X，y)的第1個輸入向量和輸出值，其余訓(xùn)練樣本輸入向量、輸出值依次類推。

經(jīng)比較歷史點數(shù)和協(xié)方差函數(shù)對回歸、預(yù)測數(shù)據(jù)精度的影響，選擇p=4個歷史點數(shù)作為輸入向量，SE作為協(xié)方差核函數(shù)；建立徑流的GP預(yù)測模型，超參數(shù)的初始對數(shù)設(shè)置為：lgl=[lg(0.1)，lg(0.1)，lg(0.1)，lg(0.01)]；lg(sqrt(σf))=-1，以日徑流量訓(xùn)練樣本的極大似然為目標(biāo)，經(jīng)計算得到協(xié)方差函數(shù)最優(yōu)超參數(shù)值為：lgl=[5.358，-0.844 3，0.947 0，-0.770 9，6.083 2]；lg(sqrt(σf))=-6.419 0。

利用上述訓(xùn)練好的GP模型對徑流量樣本進(jìn)行訓(xùn)練和預(yù)測，并以平均相對誤差絕對值MPE、均方誤差MSE以及最大相對誤差MRE作為衡量模型精度的評價指標(biāo)，其值越小，預(yù)測模型描述樣本數(shù)據(jù)則越精確。即

(10)

(11)

(12)

為了分析GP模型在徑流量預(yù)測精度上較傳統(tǒng)機(jī)器學(xué)習(xí)方法的優(yōu)越性，本文同時利用傳統(tǒng)BP模型和SVM模型對相同的訓(xùn)練樣本以及預(yù)測樣本進(jìn)行預(yù)測，并與GP模型的預(yù)測結(jié)果相比較，結(jié)果見表1、2。從回歸角度來說，基于傳統(tǒng)BP、SVM模型的回歸值都較GP模型相對誤差大很多，反映了GP模型在數(shù)據(jù)回歸上的相對優(yōu)越性；從預(yù)測值相對誤差來說，BP模型預(yù)測相對誤差最小值和最大值分別為1.41%和6.18%，SVM模型分別為0.01%和5.24%，而GP模型僅為0.13%和2.71%。由此可看出，GP模型的預(yù)測精度明顯優(yōu)于傳統(tǒng)BP模型和SVM模型；同時，從表2的預(yù)測結(jié)果MPE、MSE以及MRE來看，GP模型預(yù)測精度均優(yōu)于傳統(tǒng)BP模型以及SVM模型，反映了傳統(tǒng)BP模型和SVM模型的預(yù)測誤差偏高，不完全適用于此類小樣本問題。

表1 基于BP、SVM、GP模型的訓(xùn)練值及訓(xùn)練誤差

表2 基于BP、SVM、GP模型的預(yù)測值及預(yù)測誤差

3 結(jié) 語

(1)本文以天峨站多年日徑流量為基本資料，經(jīng)GP模型、傳統(tǒng)BP模型以及SVM模型徑流預(yù)測結(jié)果分析比較可以看出：高斯過程回歸模型模擬和預(yù)測能力要優(yōu)于傳統(tǒng)BP模型和SVM模型，模擬及預(yù)測效果平均相對誤差小于5%。實例應(yīng)用表明，GP模型應(yīng)用于徑流預(yù)測是可行的，是提高預(yù)測精度的有效方法。

(2)三種模型的預(yù)測結(jié)果都能滿足工程實際需要；但相對來說，GP模型預(yù)測精度較前兩者高，它成功克服了BP神經(jīng)網(wǎng)絡(luò)小樣本推廣能力欠缺問題，解決了SVM超參數(shù)難以確定的難題，體現(xiàn)出其獨特的超參數(shù)自適應(yīng)獲取、輸出具有概率意義等一系列的優(yōu)越性以及良好的應(yīng)用潛力，為更加精確的徑流預(yù)測提供了一種新的思路，對于地區(qū)徑流預(yù)測以及區(qū)域用水具有較大的指導(dǎo)意義。