Page 109 - 2025年第56卷第2期
P. 109
图 ３ 不同周期预测的评价指标雷达图
表 ６ 洪水预测下各模型的评价指标值
东津沱站 武胜站 金溪站
模型 ＭＡＰＥ ＭＡＥ ＲＭＳＥ ＭＡＰＥ ＭＡＥ ＲＭＳＥ ＭＡＰＥ ＭＡＥ ＲＭＳＥ
ＮＳＥ ＮＳＥ ＮＳＥ
３
３
３
３
３
３
?％ ?（ｍ ?ｓ） ?（ｍ ?ｓ） ?％ ?（ｍ ?ｓ） ?（ｍ ?ｓ） ?％ ?（ｍ ?ｓ） ?（ｍ ?ｓ）
ＣＮＮ － ＳＶＭ ４０．５０ ５６．３５ ５６．５７ ０．４５ ２５．４１ ３６．５５ ３８．６９ ０．６７ ３６．８３ ３７．８２ ４７．８７ ０．５５
ＧＡ － ＢＰ ４２．７４ ５３．４７ ５８．３４ ０．４７ ２６．１０ ３４．７６ ３８．５７ ０．６６ ３６．６０ ３４．７５ ４０．６９ ０．５５
ＷＯＡ － ＧＲＵ ３１．０９ ３６．３４ ５４．４７ ０．６２ ７．４６ １６．４４ ２１．６３ ０．７２ ７．４０ １５．２６ ２１．７３ ０．７２
ＧＷＯ － ＧＲＵ ３１．１３ ３６．３３ ５４．５３ ０．６２ ７．３５ １６．１０ ２１．４８ ０．７３ ７．３６ １５．１９ ２１．７５ ０．７２
ＩＳＳＡ － ＧＲＵ ２６．０９ ３５．２７ ５３．５４ ０．６６ ６．６３ １４．７９ １９．６６ ０．７３ ６．０７ １３．３５ １８．１１ ０．７３
ＶＭＤ － ＩＳＳＡ － ＬＳＴＭ １９．４４ １０．０１ ３４．１１ ０．６９ ４．５６ ９．２６ １１．６０ ０．８６ ４．０８ ８．６９ １１．３０ ０．８６
ＶＭＤ － ＩＳＳＡ － ＧＲＵ １１．６２ １２．４４ ３２．５１ ０．７２ ３．３９ ４．９９ ８．１３ ０．９０ ３．１７ ４．３６ ７．２４ ０．９０
ＶＣＩＡＧ ６．２３ ３．２５ ４．４３ ０．７３ ２．６８ １．３５ １．７２ ０．９２ ２．７５ １．６９ ２．２０ ０．９２
３．４．３ 模型解释性 本研究引入沙普利值法（ＳｈａｐｌｅｙＶａｌｕｅＭｅｔｈｏｄ） ［３３］ 以精确计算各输入变量在组合
模型中对径流的具体贡献，从而更加清晰地揭示模型内部的运作机制。图 ５（ａ）展示了对武胜站预测时
不同输入变量的密度散点图，其中 ｙ轴按照对样本预测值的贡献大小递减排列，ＳＨＡＰ值为正表示对
模型的贡献为正 ［３３］ 。图 ５（ｂ）ＳＨＡＰ值越大，说明对模型的贡献越大。从图中可以看出，降水量在嘉陵
— ２ ４ ９ —
