典型文献
基于WPD-TSO-ELM模型的月径流时间序列预测
文献摘要：
为提高径流时间序列预测精度,减少计算规模,基于"分解-预测-重构"思想,提出小波包分解(WPD)-金枪鱼优化(TSO)算法-极限学习机(ELM)组合预测模型,并应用于云南省龙潭站、革雷站月径流预测.结果表明,TSO算法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-TSO-ELM模型对实例龙潭站、革雷站月径流预测的平均绝对百分比误差分别为0.175％、0.121％,预测误差小于WPD2-TSO-ELM模型,较WPD1-TSO-ELM、SSA-TSO-ELM、VMD-TSO-ELM模型降低1个数量级以上.WPD-TSO-ELM模型预测精度高、计算规模小,是一种简洁高效的径流时间序列预测模型.
文献关键词：
月径流预测;小波包分解;金枪鱼优化算法;极限学习机;仿真测试
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-TSO-ELM模型的月径流时间序列预测)[J].水力发电,2022(09):9-15,44
A类：
WPD2,WPD1,金枪鱼优化算法
B类：
TSO,ELM,流时,序列预测精度,少计,小波包分解,极限学习机,组合预测模型,龙潭,月径流预测,寻优精度,全局搜索,搜索能力,HHO,GWO,SFO,PSO,平均绝对百分比误差,预测误差,SSA,VMD,数量级,简洁高效,时间序列预测模型,仿真测试
AB值：
0.227919
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。
