WPD-COA-ELM模型在汛期月降水量时间序列预测中的应用研究

摘要：

针对月降水量时间序列多尺度非平稳性特点,提出小波包分解(WPD)-白骨顶鸟优化算法(COA)-极限学习机(ELM)相融合的降水量预测模型.首先,利用WPD将非平稳月降水量时间序列分解为若干子序列分量;然后在不同维度条件下利用6个典型函数对COA进行仿真测试;利用COA优化ELM输入层权值和隐含层偏值,对每一个子序列分量分别建立COA-ELM模型进行预测,将预测结果叠加重构后即为最终预测结果;最后,以云南省龙潭站汛期和主汛期月降水量数据为例进行实验,并与WPD-COA-BP、WPD-ELM、WPD-BP预测模型进行比较.结果表明:COA在不同维度条件下均具有较好的寻优精度和全局搜索能力.WPD-COA-ELM模型对实例汛期、主汛期月降水量时间序列预测的平均绝对百分比误差分别为3.91％、3.59％,预测精度优于WPD-COA-BP模型,远优于WPD-ELM、WPD-BP模型.WPD能科学降低月降水时间序列数据的复杂性,提高预测效果;COA能有效优化ELM输入层权值和隐含层偏值,提高ELM网络性能.

关键词：降水量预测、小波包分解、白骨顶鸟优化算法、极限学习机、仿真测试

所属期刊栏目：43

分类号：P457.6(天气预报)

在线出版日期：2023-03-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：17-23