典型文献
基于WPD-RSA-ELM模型的水文时间序列多步预测
文献摘要：
根据水文时间序列多尺度、 非平稳特性,基于"分解-预测-重构"思想,提出小波包分解(WPD)-爬行动物搜索算法(RSA)-极限学习机(ELM)组合多步预测模型,并应用于云南省革雷站月径流、月降水预测.首先介绍RSA原理,选取6个标准函数在不同维度条件下对RSA进行仿真测试,并与哈里斯鹰优化(HHO)、旗鱼优化(SFO)等4种算法的仿真结果进行比较;其次利用WPD对实例水文时序数据进行3层小波包分解,以降低水文序列数据的复杂度;并在延迟时间为1的情况下,采用改进的虚假邻近点法(Cao方法)确定各子序列分量的输入维度;最后通过各分量训练样本构建ELM适应度函数,采用RSA对适应度函数进行寻优,利用寻优获得的最佳ELM输入层权值和隐含层偏值,建立WPD-RSA-ELM模型,对各子序列分量进行超前一步至超前五步预测,将预测结果加和重构得到最终多步预测结果.结果表明:RSA具有较好的寻优精度和全局搜索能力,寻优精度优于HHO、GWO、SFO、PSO算法.WPD-RSA-ELM模型对实例月径流、月降水超前一步至超前五步预测的平均绝对百分比误差分别在0.23％～3.46％和0.60％～9.63％之间,具有较高的预测精度.WP D-RSA-ELM模型预测误差随着预测步数的增加而增大,超前预测步数越多,预测精度越低,预测效果越不理想.
文献关键词：
水文预测;小波包分解;爬行动物搜索算法;极限学习机;仿真测试;多步预测
中图分类号：
作者姓名：
李新华;崔东文
作者机构：
云南兴电集团有限公司, 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]李新华;崔东文-.基于WPD-RSA-ELM模型的水文时间序列多步预测)[J].水利水电技术（中英文）,2022(11):69-77
A类：
爬行动物搜索算法
B类：
WPD,RSA,ELM,时间序列多步预测,非平稳特性,小波包分解,极限学习机,月径流,月降水预测,标准函数,不同维度,仿真测试,哈里斯鹰优化,HHO,旗鱼,SFO,时序数据,水文序列,序列数据,延迟时间,Cao,子序列,训练样本,适应度函数,输入层,权值,隐含层,五步,寻优精度,全局搜索,搜索能力,GWO,PSO,平均绝对百分比误差,预测误差,步数,水文预测
AB值：
0.278296
相似文献
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。
