典型文献
基于FPA-ELM模型的中长期径流预测——以雅砻江流域为例
文献摘要：
为提高中长期径流预测效果,提出一种花授粉算法(FPA)优化极限学习机模型(ELM)的中长期径流预测方法.首先,构造反映流域水情丰枯变化的流域径流整体趋势变化因子(COM),并采用偏互信息法获得影响中长期径流过程变化的关键因子集;然后,结合K折交叉验证与花授粉算法优化ELM参数,构建FPA-ELM模型,完成中长期径流预测.最后,以雅砻江流域为研究区域,将构建的FPA-ELM模型与BP神经网络(BPNN)、支持向量机(SVM)、ELM和GA-ELM等模型进行对比分析.结果表明:FPA-ELM模型的平均绝对百分比误差(Emape)为20.15％,均方根误差(Ermse)为268.77 m3/s,确定性系数(Edc)为0.9169,合格率(Eqr)为60.0％,运算时间为19.32 s,均优于上述4种数据驱动模型.研究成果可为基于智能算法的中长期径流预测提供借鉴.
文献关键词：
中长期径流预测;数据驱动模型;因子筛选;花授粉算法;极限学习机;雅砻江流域
中图分类号：
作者姓名：
洪敏;艾萍;岳兆新
作者机构：
河海大学水文水资源学院,江苏 南京210098;河海大学 计算机与信息学院,江苏 南京211100;南京工业职业技术大学计算机与软件学院,江苏南京210023
文献出处：
引用格式：
[1]洪敏;艾萍;岳兆新-.基于FPA-ELM模型的中长期径流预测——以雅砻江流域为例)[J].人民长江,2022(06):119-125
A类：
Emape,Ermse,Edc,Eqr
B类：
FPA,ELM,中长期径流预测,雅砻江流域,种花,花授粉算法,化极,极限学习机模型,造反,流域水,水情,整体趋势,趋势变化,COM,偏互信息,互信息法,径流过程变化,关键因子,子集,交叉验证,算法优化,BPNN,GA,平均绝对百分比误差,确定性系数,运算时间,数据驱动模型,智能算法,因子筛选
AB值：
0.239441
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。
