典型文献
基于EEMD-Xgboost组合模型的渭北流域月径流序列模拟研究
文献摘要：
为提升月径流序列的模拟精度,利用集合经验模式分解(EEMD)析出原始流量数据的模态分量,将极限梯度下降(Xgboost)作为预测函数,构建了基于EEMD-Xgboost的月径流预测模型,并应用EEMD-Xgboost模型训练了黄土坮塬区漆水站1951～1996年月径流序列变化规律,预测了 1997～2020年的月径流量.结果表明,与单一Xgboost模型相比,EEMD-Xgboost模型的Nash-Sutcliffe效率(NNSE)提升了 20.27％、均方根误差(RRMSE)减小了 93.23％;且 EEMD-Xgboost 模型优于 EEMD-ELM、EEMD-RF 模型(NSE分别提高2.30％、3.49％;RRMSE减小2.64％、11.75％).EEMD-Xgboost混合模型集合了数据自适应分析与非线性映射的优点,改善了传统单一模型的预测能力.
文献关键词：
EEMD模态分解;模态分量;Xgboost模型;机器学习;径流量预测
中图分类号：
作者姓名：
李蕾
作者机构：
陕西铁路工程职业技术学院,陕西渭南714000
文献出处：
引用格式：
[1]李蕾-.基于EEMD-Xgboost组合模型的渭北流域月径流序列模拟研究)[J].水电能源科学,2022(05):22-25
A类：
NNSE
B类：
EEMD,Xgboost,组合模型,渭北,北流,月径流序列,模拟精度,集合经验模式分解,流量数据,模态分量,梯度下降,预测函数,月径流预测,径流预测模型,模型训练,黄土,塬区,漆水,水站,Nash,Sutcliffe,RRMSE,ELM,RF,混合模型,非线性映射,预测能力,模态分解,径流量预测
AB值：
0.323792
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。
