典型文献
基于WPD-AGTO-DELM模型的年径流时间序列预测
文献摘要：
针对径流序列多尺度、非线性、非平稳性特点,将小波包分解(WPD)、人工大猩猩群优化(AGTO)算法与深度极限学习机(DELM)相结合,建立WPD-AGTO-DELM组合预测模型,并构建WPD-DELM、WPD-AGTO-BP、WPD-BP及基于小波分解(WD)的WD-AGTO-DELM、WD-DELM、WD-AGTO-BP、WD-BP作对比模型,将所建8种模型应用于云南省龙潭站年径流预测.首先,利用WPD将年径流序列分解为8个子序列分量,达到降低年径流序列数据复杂性和不平稳性的目的;其次,采用自相关函数法(AFM)确定各分解分量的输入向量;最后,利用AGTO优化DELM隐含层神经元数,建立AGTO-DELM模型对各子序列分量进行预测,将预测结果加和重构得到最终预测结果.结果表明:WPD-AGTO-DELM模型对实例后10年径流预测的平均相对误差1.86％,平均绝对误差0.26 m3/s,均方根误差0.34 m3/s,预测精度优于其他模型.WPD分解效果优于WD,能科学降低径流序列的复杂性,提高预测精度;AGTO能有效优化DELM中多个隐含层神经元数,提高DELM网络性能.
文献关键词：
径流预测;小波包分解;人工大猩猩群优化算法;深度极限学习机
中图分类号：
作者姓名：
梁晓鑫;崔东文
作者机构：
云南省水文水资源局文山分局, 云南文山 663000;云南省文山州水务局, 云南文山 663000
文献出处：
引用格式：
[1]梁晓鑫;崔东文-.基于WPD-AGTO-DELM模型的年径流时间序列预测)[J].三峡大学学报（自然科学版）,2022(05):14-20
A类：
AGTO,人工大猩猩群优化算法
B类：
WPD,DELM,年径流,流时,时间序列预测,对径,径流序列,非平稳性,小波包分解,深度极限学习机,组合预测模型,于小波,小波分解,WD,对比模型,模型应用,龙潭,径流预测,序列分解,子序列,序列数据,自相关函数,AFM,隐含层,平均相对误差,平均绝对误差,有效优化,网络性能
AB值：
0.180898
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
