典型文献
战争策略算法与变色龙算法优化极限学习机的输沙量时间序列预测
文献摘要：
以云南省龙潭寨汛期与枯期输沙量时间序列预测为例,建立战争策略优化(WSO)算法、变色龙群算法(CSA)与极限学习机(ELM)相融合的组合模型.首先,在不同维度下选取4个基准函数对WSO、CSA进行仿真测试;其次,利用2层WPT将实例汛期与枯期输沙量时序数据分解为4个更具规律的子序列分量;最后,通过各分量训练样本构建ELM适应度函数,利用WSO、CSA对适应度函数进行寻优,利用寻优获得的最佳ELM超参数建立WPT-WSO-ELM、WPT-CSA-ELM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,并构建WPT-ELM模型及基于小波变换(WT)的WT-WSO-ELM、WT-CSA-ELM、WT-ELM模型作对比分析.对于基准函数及ELM适应度函数,WSO寻优效果优于CSA,具有较好的寻优精度及全局搜索能力;对汛期与枯期输沙量预测WPT-WSO-ELM 模型预测精度优于 WPT-CSA-ELM、WT-WSO-ELM、WT-CSA-ELM 模型.
文献关键词：
输沙量预测;极限学习机;战争策略优化算法;变色龙群算法;小波包变换;仿真测试
中图分类号：
作者姓名：
许建伟;崔东文
作者机构：
云南省水利水电勘测设计院,云南 昆明 650021;云南省文山州水务局,云南 文山 663000
文献出处：
引用格式：
[1]许建伟;崔东文-.战争策略算法与变色龙算法优化极限学习机的输沙量时间序列预测)[J].水力发电,2022(11):36-42
A类：
变色龙群算法,输沙量预测,战争策略优化算法
B类：
变色龙算法,算法优化,化极,极限学习机,时间序列预测,龙潭,汛期,WSO,CSA,ELM,组合模型,不同维度,基准函数,仿真测试,WPT,时序数据,数据分解,子序列,训练样本,适应度函数,超参数,于小波,小波变换,WT,优效,寻优精度,全局搜索,搜索能力,小波包变换
AB值：
0.189825
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。
