10.3969/j.issn.1005-9369.2019.12.009
基于CEEMD-LSSVM-NNBR模型中长期入库径流模拟
为提高中长期径流模拟精度,提出使用完备总体经验模态分解(CEEMD)产生更低噪信号作为模拟模型输入.应用CEEMD方法对径流序列作信号分解,时间序列被分解为若干子序列,每一子序列通过最小二乘支持向量机(LSSVM)模型分别模拟,之后将每个子序列模拟结果重构以获得最终径流模拟结果.以石头峡水库入库径流模拟为例,试验结果表明,与LSSVM模型相比,CEEMD-LSSVM模型可提高水库汛期入库径流模拟精度.对于整体序列和汛期序列,其纳什效率系数、平均相对误差和均方根误差模拟效果均明显提高;但在枯水期模拟精度不理想,主要由于枯水期径流量数值波动较小、序列平缓所致.因此,CEEMD方法对于汛期径流序列分解更具优势,对枯水期径流序列分解效果有待提高.将适用于枯水期径流模拟的最近邻抽样回归模型(NNBR)与CEEMD-LSSVM结合成组合模型CEEMD-LSSVM-NNBR,可用于全年入库径流模拟.
中长期径流模拟、信号分解、子序列、CEEMD-LSSVM-NNBR
50
TV121(水利工程基础科学)
十三五国家重点研发计划课题2017YFC0406004, 2018YFC0407303;国家自然科学基金51979038,51909033,51109036;黑龙江省自然科学基金E2015024,LH2019E010;黑龙江省水文图集修编SWJFS-2018-009
2020-01-13(万方平台首次上网日期,不代表论文的发表时间)
共10页
76-85