典型文献
基于WPD-MRFO-ESN模型的水库来水量时间序列预测
文献摘要：
为提高水库来水量时间序列预测精度,建立了小波包分解(WPD)-蝠鲼觅食优化(MRFO)算法-回声状态网络(ESN)相融合的时间序列预测模型,利用WPD将非平稳水库来水量时间序列分解为若干高频和低频时间序列,以便有效降低来水量时间序列的复杂性.在不同维度条件下选取8个典型函数对MRFO算法进行仿真测试,利用MRFO算法对ESN储备池规模、稀疏度等关键参数进行优化以提高网络训练效率.随后构建了WPD-MRFO-SEN模型和WPD-MRFO-SVM模型,并将这两个模型的预测结果和经经验模态分解(EMD)的EMD-MRFO-ESN模型和EMD-MRFO-SVM模型的结果作对比分析.利用云南省暮底河水库1956—2017年逐月来水量时间序列数据对上述4种模型的结果进行检验.结果表明:MRFO算法具有较好的寻优精度和全局搜索能力;WPD-MRFO-SEN模型对实例后10年120个月来水量时间序列预测的平均绝对百分比误差为2.23％,平均绝对误差为23.3万m3,均方根误差为35.8万m3,预测精度优于WPD-MRFO-SVM模型的,明显优于EMD-MRFO-ESN模型和EMD-MRFO-SVM模型的,具有较高的预测精度.WPD对水库来水量时间序列数据的分解效果优于EMD方法的.
文献关键词：
来水量预测;小波包分解;蝠鲼觅食优化算法;回声状态网络;仿真测试
中图分类号：
作者姓名：
崔东文
作者机构：
云南省文山州水务局,云南 文山 663000
文献出处：
引用格式：
[1]崔东文-.基于WPD-MRFO-ESN模型的水库来水量时间序列预测)[J].华北水利水电大学学报（自然科学版）,2022(06):10-17
A类：
来水量预测
B类：
WPD,MRFO,ESN,序列预测精度,小波包分解,回声状态网络,时间序列预测模型,非平稳,时间序列分解,不同维度,型函数,仿真测试,稀疏度,网络训练,训练效率,SEN,经验模态分解,EMD,河水库,逐月,时间序列数据,寻优精度,全局搜索,搜索能力,平均绝对百分比误差,平均绝对误差,蝠鲼觅食优化算法
AB值：
0.202587
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。
