水文模型模拟效果评价指标

- 1 皮尔逊相关系数（Pearson’s correlation coefficient, PCC）
- 2 百分比偏差（Percent bias, Pbias）
- 3 纳什效率系数（the Nash-Sutcliffe efficiency coefficient, NSE）
- 4 克林-古普塔效率系数（Kling-Gupta efficiency coefficient, KGE）
- 5 决定系数R^2(Coefficient of Determination)
- 6 归一化均方根误差(NRMSE)
- 7 均方根误差与观测值标准差的比率（RSR）
模型评价
参考

1 皮尔逊相关系数（Pearson’s correlation coefficient, PCC）

评估模拟径流与观测径流间的线性相关性：

2 百分比偏差（Percent bias, Pbias）

百分比偏差Pbias（%），又称相对误差，表示测量模拟的水流的百分比偏差大于或小于相应的推断的自然水流，越接近0模型效果越好：

说明： 体现模拟值和实测值的累积偏差，当模拟水文过程与实际趋势贴合情况良好时，PBIAS可更加精确地评估模型总水量平衡的效果。最优值为0，表示模型模拟准确，正值表示模型低估观测值的偏差，负值表示模型高估观测值的偏差。

3 纳什效率系数（the Nash-Sutcliffe efficiency coefficient, NSE）

NSE被广泛用于确定水文的总体模型效率，它是根据模型模拟和观测的水流时间序列计算得出的：

说明： 体现模拟径流和实测径流的拟合程度，但会赋予洪峰段更高的计算权重，容易忽视平水期或枯水期的拟合情况

4 克林-古普塔效率系数（Kling-Gupta efficiency coefficient, KGE）

KGE测量的是一个点到最优点的欧几里得距离，相关系数（correlation coefficient, PCC）、偏置比（bias ration, BR）和相对变化率（relative variablity, RV）等于1：
取值范围：（-∞，1）

5 决定系数R^2(Coefficient of Determination)

说明： 模拟值与实测值的线性相关程度，弊端是R2对模拟值整体偏高或偏低的偏差响应不明显
决定系数=1时，表明模拟值与实测值非常吻合。

6 归一化均方根误差(NRMSE)

7 均方根误差与观测值标准差的比率（RSR）

说明： RSR从最优值0变化到较大的正值，该值越小，表示模型性能越好。

模型评价

一般认为，当R2＞0.6，NSE＞0.5，PBIAS≤±15%以及RSR<0.7时，模型的模拟结果是可信的。
根据 Moriasi et al.（2007）径流模拟评价，RSR、NSE以及PBIAS的建议取值及相应的模型评价等级如下表所示：

参考

1.论文-J2022-High-quality reconstruction of China’s natural streamflow-缪驰远
2.论文-D2022-气候变化下长江流域未来径流与旱涝变化特征研究-岳艳琳

【水文模型】评价指标相关推荐

lstm原文_LSTM模型与水文模型在径流模拟中的比较
学术简报题目:Comparison of Long Short Term Memory Networks and the Hydrological Model in Runoff Simulatio ...
sklearn快速入门教程：补充内容 -- sklearn模型评价指标汇总（聚类、分类、回归）
sklearn集成了大多数模型评价指标,这可以很大程度上方便我们的使用,尤其在对进行进行自动调参时可以方便我们进行选择. 做下这个笔记主要是为了补充之前的内容:sklearn快速入门教程:(四)模型自 ...
java水文模型,分布式水文模型.ppt
分布式水文模型ppt课件第九章分布式水文模拟技术第九章分布式水文模拟技术 9.1 分布式水文模型的发展 9.1.1 分布式水文模型的研究进展 9.1.1.2 几点讨论 9.1.2 分布式水文模型 ...
混淆矩阵评价指标_机器学习模型评价指标 -- 混淆矩阵
机器学习模型评价指标 – 混淆矩阵在机器学习领域中,混淆矩阵(confusion matrix)是一种评价分类模型好坏的形象化展示工具.其中,矩阵的每一列表示的是模型预测的样本情况:矩阵的每一行表示 ...
机器学习分类模型评价指标之ROC 曲线、 ROC 的 AUC 、 ROI 和 KS
前文回顾: 机器学习模型评价指标之混淆矩阵机器学习模型评价指标之Accuracy.Precision.Recall.F-Score.P-R Curve.AUC.AP 和 mAP 图裂的话请参考:ht ...
机器学习分类模型评价指标详述
问题建模机器学习解决问题的通用流程:问题建模--特征工程--模型选择--模型融合其中问题建模主要包括:设定评估指标,选择样本,交叉验证解决一个机器学习问题都是从问题建模开始,首先需要收集问题的资 ...
机器学习笔记（5）——模型评价指标
机器学习笔记(5)--模型评价指标本文部分图片来源网络或学术论文,文字部分来源网络与学术论文,仅供学习使用. 目录机器学习笔记(5)--模型评价指标 1.精确率.召回率.准确率.错误率混淆矩阵 ...
python程序题求roc-auc是一种常用的模型评价指标_模型评价方法
第五章模型评价方法 5.1 模型的评价方法介绍 5.1.1~5 accuracy,precision,recall,F1-score,ROC曲线分别画图举例,要说出应用场景,例如什么情况用什么评价 ...
分类器模型评价指标之ROC曲线
来源:分类器模型评价指标 An introduction to ROC analysis Spark mllib 自带了许多机器学习算法,它能够用来进行模型的训练和预测.当使用这些算法来构建模型的时候 ...
推荐模型评价指标 AUC
推荐中常用的模型评价指标有准确率,召回率,F1-score和AUC. 1. 什么是AUC AUC指标是一个[0,1]之间的实数,代表如果随机挑选一个正样本和一个负样本,分类算法将这个正样本排在负样本前 ...

【水文模型】评价指标