基于WNN-SVM的水文时间序列预测方法研究

摘要：

在面对具有随机性、突变性的复杂时间序列数据(如流量等水文时间序列数据)时,传统单一的模型的预测精度不尽人意,对单一模型的优化不能完全克服其局限性.因此,文中提出一种基于WNN-SVM组合的水文时间序列预测模型.首先对水文时间序列数据作均值归一化处理,然后对预处理后的水文时间序列进行小波分解,将分解后的子序列通过相空间重构的方法使其从低维时间序列向高维转换;根据其分解后的特点,对尺度变换序列采用支持向量机(SVM)进行建模预测,小波变换序列采用小波神经网络(WNN)进行建模预测,再将两者的预测结果进行小波重构,得到原始序列预测值.随后采用屯溪流域1980年至2007年43996个小时流量数据进行实验验证,结果表明该模型的预测精度高于单一模型,证明了该模型的有效性.

关键词：均值归一化、组合模型、时间序列预测、小波神经网络、支持向量机

所属期刊栏目：29

分类号：TP39(计算技术、计算机技术)

资助基金：国家科技支撑计划课题2018YFC0407900;公益性行业科研专项201501022

在线出版日期：2019-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：13-17,70