期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于SGMD-ReOSELM和误差校正的日径流预报方法
1
作者
刘月馨
王雪峰
+3 位作者
王顺
宋德榕
张学东
张楚
《水电能源科学》
北大核心
2025年第10期23-27,共5页
由于径流过程的非线性和不稳定性,给预测工作带来难度。为了提高径流过程预测精度,提出将辛几何模态分解(SGMD)、正则化在线顺序极限学习机(ReOSELM)和误差校正结合的短期径流预测模型。该模型首先采用SGMD分解对原始流量数据进行分解,...
由于径流过程的非线性和不稳定性,给预测工作带来难度。为了提高径流过程预测精度,提出将辛几何模态分解(SGMD)、正则化在线顺序极限学习机(ReOSELM)和误差校正结合的短期径流预测模型。该模型首先采用SGMD分解对原始流量数据进行分解,降低原始序列的复杂度,并使用ReOSELM模型对分解数据进行预测并累加得到预测值;其次将真实值与预测值对比得到误差结果,再将误差结果组成新的数据集输入到ReOSELM模型中,得到误差预测结果;最后再使用误差预测结果与原始预测结果进行相加得到经过校正后的预测结果。以湘潭水文站点2008~2020年的日径流数据作为输入数据,并将该模型与LSTM、ReOSELM、EMD-ReOSELM、SGMD-ReOSELM模型进行对比分析。结果表明,所建立的模型有更好的预报精度,在径流过程预测领域具有良好的应用前景。
展开更多
关键词
日径流预测
辛几何模态分解
ReOSELM
误差校正
在线阅读
下载PDF
职称材料
题名
基于SGMD-ReOSELM和误差校正的日径流预报方法
1
作者
刘月馨
王雪峰
王顺
宋德榕
张学东
张楚
机构
杭州华辰电力控制工程有限公司
华东勘测设计研究院有限公司
淮阴工学院自动化学院
出处
《水电能源科学》
北大核心
2025年第10期23-27,共5页
基金
国家自然科学基金项目(62303191,62306123)
江苏省自然科学基金项目(BK20191052)
江苏省高校自然科学基金面上项目(23KJD480001)。
文摘
由于径流过程的非线性和不稳定性,给预测工作带来难度。为了提高径流过程预测精度,提出将辛几何模态分解(SGMD)、正则化在线顺序极限学习机(ReOSELM)和误差校正结合的短期径流预测模型。该模型首先采用SGMD分解对原始流量数据进行分解,降低原始序列的复杂度,并使用ReOSELM模型对分解数据进行预测并累加得到预测值;其次将真实值与预测值对比得到误差结果,再将误差结果组成新的数据集输入到ReOSELM模型中,得到误差预测结果;最后再使用误差预测结果与原始预测结果进行相加得到经过校正后的预测结果。以湘潭水文站点2008~2020年的日径流数据作为输入数据,并将该模型与LSTM、ReOSELM、EMD-ReOSELM、SGMD-ReOSELM模型进行对比分析。结果表明,所建立的模型有更好的预报精度,在径流过程预测领域具有良好的应用前景。
关键词
日径流预测
辛几何模态分解
ReOSELM
误差校正
Keywords
daily runoff forecasting
symplectic geometry mode decomposition
ReOSELM
error correction
分类号
TV124 [水利工程—水文学及水资源]
P338 [天文地球—水文科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于SGMD-ReOSELM和误差校正的日径流预报方法
刘月馨
王雪峰
王顺
宋德榕
张学东
张楚
《水电能源科学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
