典型文献
基于EMD-FBI-ELM模型的径流预测研究
文献摘要：
为提高径流预测精度,提出基于经验模态分解(EMD)和法务侦查(FBI)算法、极限学习机(ELM)相融合的径流预测方法.首先采用EMD将径流序列数据分解成多个更具规律的分量序列,基于自相关函数法(AFM)、虚假最邻近法(FNN)对每个分量序列进行相空间重构;其次利用FBI算法优化ELM输入层权值和隐含层偏值,建立EMD-FBI-ELM径流预测模型,并构建EMD-FBI-SVM、FBI-ELM、FBI-SVM作对比预测模型;最后通过云南省姑老河水文站年径流预测实例对EMD-FBI-ELM、EMD-FBI-SVM、FBI-ELM、FBI-SVM模型进行验证分析.结果表明:EMD-FBI-ELM模型对实例年径流预测的平均相对误差为3.97％,平均相对误差较EMD-FBI-SVM、FBI-ELM、FBI-SVM模型的预测结果分别降低了53.9％、81.7％、86.5％,具有较好的预测效果.EMD-FBI-ELM模型用于径流预测是可行的,模型及优化方法可为相关预测研究提供参考.
文献关键词：
径流预测;经验模态分解;极限学习机;法务侦查算法;相空间重构
中图分类号：
作者姓名：
张亚杰;崔东文
作者机构：
云南省玉溪市易门县水利局,云南 玉溪 651100;云南省文山州水务局,云南 文山 663000
文献出处：
引用格式：
[1]张亚杰;崔东文-.基于EMD-FBI-ELM模型的径流预测研究)[J].人民珠江,2022(06):94-100,107
A类：
法务侦查算法
B类：
EMD,FBI,ELM,预测研究,基于经验,经验模态分解,极限学习机,径流序列,序列数据,数据分解,分解成,自相关函数,AFM,FNN,相空间重构,算法优化,输入层,权值,隐含层,径流预测模型,河水,水文站,年径流,验证分析,平均相对误差
AB值：
0.194502
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。
