典型文献
WPT-HPO-ELM径流多步预报模型研究
文献摘要：
为提高径流时间序列多步预报精度,建立了小波包变换(WPT)-猎人猎物优化(HPO)算法-极限学习机(ELM)相融合的径流时间序列多步预报模型,并应用于云南省南康河水文站月径流和日径流时间序列多步预报.引入HPO算法原理,在不同维度条件下选取6个典型函数对HPO进行仿真验证;利用2层WPT将径流时序数据分解为4个子序列分量,达到降低径流序列数据复杂性和不平稳性的目的;采用HPO优化ELM输入层权值和隐含层偏值,建立WPT-HPO-ELM模型对实例月径流和日径流进行多步预报.结果表明:HPO算法具有较好的寻优精度和全局搜索能力;WPT-HPO-ELM模型对预见期为1～3个月的月径流具有理想的预报效果,预报的平均绝对百分比误差≤2.43％,合格率≥99.2％,确定性系数≥0.999;对预见期为4～6个月的月径流具有较好的预报效果,预报的平均绝对百分比误差≤15.0％,合格率≥73.3％,确定性系数≥0.991;当预见期≥7个月时,预报效果较差.对预见期为1～3 d的日径流具有理想的预报效果,预报的平均绝对百分比误差≤1.23％,合格率为100％,确定性系数≥0.999;对预见期为4～7 d的日径流具有较好的预报效果,预报的平均绝对百分比误差≤15.3％,合格率≥73.0％,确定性系数≥0.947;当预见期≥8 d时,预报效果较差.WPT-HPO-ELM模型能充分发挥WPT、HPO和ELM的优势,表现出较高的预报精度和稳定性能,预报误差随着预见期的增加而增大,该模型及方法可为径流时间序列多步预报提供新途径.
文献关键词：
径流预报;小波包变换;猎人猎物优化算法;极限学习机;多步预报;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研究院,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-.WPT-HPO-ELM径流多步预报模型研究)[J].水资源与水工程学报,2022(06):69-76
A类：
多步预报,南康河,猎人猎物优化算法
B类：
WPT,HPO,ELM,预报模型,流时,预报精度,小波包变换,极限学习机,河水,水文站,月径流,算法原理,不同维度,型函数,仿真验证,时序数据,数据分解,子序列,径流序列,序列数据,平稳性,输入层,权值,隐含层,流进,寻优精度,全局搜索,搜索能力,预见期,预报效果,平均绝对百分比误差,确定性系数,稳定性能,预报误差,径流预报,仿真测试
AB值：
0.187207
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。
