基于多种混合模型的径流预测研究
变化环境下径流的波动不断加大,给径流的精准预报带来新的挑战.基于“分解-合成”策略的混合径流预报模型来提高预报精度是当前研究的热点之一.以往研究聚焦在单一的混合预报模型而忽视了它们的适用性研究.基于此,以渭河流域为例,在优选多元线性回归(MLR)、人工神经网络(ANN)和支持向量机(SVM)单一预报模型的基础上,分别基于经验模态分解(EMD)、集合经验模态分解(EEMD)和小波分解(WD)构建了多种混合模型,并融合了大气环流异常因子的信息.结果 表明:(1)SVM模型预测精度高于ANN和MLR;(2)混合预测模型预测精度均高于单一模型,混合模型中WD-SVM的预测精度优于EMD-SVM和EEMD-SVM;(3)融合大气环流异常因子后WD-SVM模型预测精度最高,对极值预报精度的提高较为明显.
径流预报、混合预测模型、支持向量机、小波分解、大气环流异常因子
51
P333(水文科学(水界物理学))
国家自然科学基金项目;中国水利水电科学研究院流域水循环模拟与调控国家重点实验室开放研究基金项目;河海大学水文水资源与水利工程科学国家重点实验室“一带一路”水与可持续发展科技基金项目
2020-05-07(万方平台首次上网日期,不代表论文的发表时间)
共14页
112-125