Bayesian-combined wavelet regressive modeling for hydrologic time series forecasting

小浪回归(WR ) 模型通常被使用 hydrologic 时间系列预报，但是他们不能考虑无常评估。在这糊 AM-MCMC (适应 Metropolis-Markov 链蒙特卡罗) 算法被采用到回归的建模处理的小浪，并且打电话给 AM-MCMC-WR 的一个模型为 hydrologic 时间系列预报被建议。AM-MCMC 算法被用来在 WR 模型， hydrologic 时间系列的概率的预报能基于被做估计参数无常。在 Huaihe 河分水岭的二个流量数据的结果显示在获得最佳的预报的 AM-MCMC-WR 和 WR 模型的相同表演结果，但是他们比线性回归模型更好表演。不同于 WR 模型，概率的预报结果能被建议模型获得，并且无常能用合适的可信的间隔被描述。在摘要，在 WR 模型的参数通常跟随正常概率分发；系列关联字符决定最佳的参数值，并且进一步决定参数的不明确的度和敏感；更不明确的参数将导致更多的不明确的预报结果和 hydrologic 时间系列的难可预测性。