基于LSTM模型的南果河流域日径流预测 被引量：1

1

作者 和艳 陆颖 +2 位作者 邓丽仙 余炳金 罗向阳 《水文》 北大核心 2025年第3期78-85,共8页

准确可靠的径流预测是水资源科学调度、高效利用的有力保障。数据驱动水文模型弱化水文循环物理过程,通过训练建立输入和输出之间的数学关系,为无下垫面资料流域径流预测提供解决方案。以澜沧江一级支流南果河为例,利用主成分分析(PCA)... 准确可靠的径流预测是水资源科学调度、高效利用的有力保障。数据驱动水文模型弱化水文循环物理过程,通过训练建立输入和输出之间的数学关系,为无下垫面资料流域径流预测提供解决方案。以澜沧江一级支流南果河为例,利用主成分分析(PCA)对样本数据进行降维处理,并基于长短期记忆神经网络(LSTM)模型,将前15 d的日径流量、日降水量作为模型的输入,对那勾坝水文站日径流进行1~5 d不同预见期的预测。结果表明:随预见期延长,模型预测精度不断下降。当预见期为1 d时,验证期和训练期纳什效率系数(NSE)均大于0.80,预测性能优于反向传播神经网络(BP)、支持向量机(SVM)与随机森林法(RF)三种数据驱动模型。结果可为无下垫面资料流域日径流预测提供参考。 展开更多

关键词 日径流预测 主成分分析(PCA) 长短期记忆神经网络(LSTM) 南果河流域

在线阅读 下载PDF 职称材料

基于WPT-IDBO-RELM和WPT-IDMO-RELM模型的日径流预测 被引量：5

2

作者 李菊 崔东文 《水利水电科技进展》 CSCD 北大核心 2024年第6期48-55,85,共9页

为提高日径流时间序列预测精度,改进正则化极限学习机(RELM)的预测性能,对比验证改进蜣螂优化(IDBO)算法和改进侏獴优化(IDMO)算法与其他算法的优化效果,提出了基于小波包变换(WPT)的WPT-IDBO-RELM和WPT-IDMO-RELM日径流时间序列预测模... 为提高日径流时间序列预测精度,改进正则化极限学习机(RELM)的预测性能,对比验证改进蜣螂优化(IDBO)算法和改进侏獴优化(IDMO)算法与其他算法的优化效果,提出了基于小波包变换(WPT)的WPT-IDBO-RELM和WPT-IDMO-RELM日径流时间序列预测模型。对云南省暮底河水库、马鹿塘电站入库日径流进行预测,结果表明WPT-IDBO-RELM和WPT-IDMO-RELM模型对暮底河水库日径流预测的平均绝对百分比误差分别为1.048%、1.015%,对马鹿塘电站日径流预测的平均绝对百分比误差分别为1.493%、1.478%,优于其他对比模型;IDBO、IDMO算法对标准测试函数和实例目标函数的寻优效果均优于其他对比算法,且IDBO、IDMO算法优化效果越好,RELM超参数越优,WPT-IDBO-RELM、WPT-IDMO-RELM模型预测精度越高;WPT可将日径流序列分解为分量更少、规律性更强的子序列分量,在提高预测精度的同时显著降低模型复杂度和计算规模。 展开更多

关键词 日径流预测 正则化极限学习机 改进蜣螂优化算法 改进侏獴优化算法 小波包变换

在线阅读 下载PDF 职称材料

基于GWO-PE-VMD-ResNet组合模型的日径流预测 被引量：3

3

作者 程家波 姬厚灵 +1 位作者 陈中举 鲍帅 《水电能源科学》 北大核心 2024年第8期43-47,共5页

传统“分解-集成”径流预测模型存在预测效率低、忽略分量预测误差等问题,为此提出一种基于灰狼优化算法(GWO)、排列熵(PE)、变模态分解(VMD)和残差网络(ResNet)的预测日径流的组合模型(GWOPE-VMD-ResNet)。首先,构建以排列熵为适应度... 传统“分解-集成”径流预测模型存在预测效率低、忽略分量预测误差等问题,为此提出一种基于灰狼优化算法(GWO)、排列熵(PE)、变模态分解(VMD)和残差网络(ResNet)的预测日径流的组合模型(GWOPE-VMD-ResNet)。首先,构建以排列熵为适应度函数的GWO算法对VMD分解参数进行搜索,减少人为选择参数的不确定性;其次,利用选定分解参数的VMD算法将日径流数据分解为若干分量,降低径流序列的复杂性;最后,建立ResNet径流预测模型,将径流序列分量拼接并调整为符合ResNet模型输入维度的数据,对未来径流进行预测。以长江朱沱、监利和螺山等水文站点为研究对象开展径流预测,结果表明所建模型在预测精度和预测效率上均有明显优势。 展开更多

关键词 灰狼优化算法 变模态分解 残差网络 日径流预测

在线阅读 下载PDF 职称材料

基于3种新型群体智能算法优化正则化极限学习机的三峡水库入库日径流预测 被引量：6

4

作者 张代凤 崔东文 《长江科学院院报》 CSCD 北大核心 2024年第7期16-24,共9页

准确预测的入库日径流在水库优化调度中发挥着重要作用。为提高预测精度,提出一种基于小波包变换(WPT)和蜣螂优化(DBO)算法、珍鲹优化(GTO)算法、泥环算法(MRA)优化正则化极限学习机(RELM)的预测模型,并将其应用于三峡水库入库日径流预... 准确预测的入库日径流在水库优化调度中发挥着重要作用。为提高预测精度,提出一种基于小波包变换(WPT)和蜣螂优化(DBO)算法、珍鲹优化(GTO)算法、泥环算法(MRA)优化正则化极限学习机(RELM)的预测模型,并将其应用于三峡水库入库日径流预测研究。首先,利用WPT将三峡水库入库日径流时间序列分解为1个周期项分量和1个波动项分量;其次,利用DBO、GTO、MRA分别优化RELM输入层权值和隐含层偏差,建立WPT-DBO-RELM、WPT-GTO-RELM、WPT-MRA-RELM模型;最后,利用所建立的3种模型分别对入库日径流周期项分量和波动项分量进行预测和重构,并构建基于极限学习机(ELM)的WPT-DBO-ELM、WPT-GTO-ELM、WPT-MRA-ELM模型、基于BP神经网络的WPT-DBO-BP、WPT-GTO-BP、WPT-MRA-BP模型、未经优化的WPT-RELM、WPT-ELM、WPT-BP模型和未经分解的DBO-RELM、GTO-RELM、MRA-RELM模型作对比分析模型。结果表明:①WPT-DBO-RELM、WPT-GTO-RELM、WPT-MRA-RELM模型对三峡水库入库日径流预测的平均绝对百分比误差MAPE分别为0.512%、0.519%、0.762%,平均绝对误差MAE分别为54.05、55.97、86.76 m^(3)/s,均方根误差RMSE分别为84.99、84.81、128.18 m^(3)/s,决定系数DC≥0.9994,希尔不等系数TIC≤0.00517,预测效果优于其他12种模型,具有更高的预测精度和更好的泛化能力。②DBO、GTO、MRA能有效优化RELM网络参数,显著提高RELM预测性能。③引入正则化项的RELM可有效防止预测模型过拟合,提高模型的泛化能力,预测性能优于ELM、BP网络。④所构建的3种模型预测精度高、计算规模小,是一种有效的入库日径流时间序列预测模型。 展开更多

关键词 日径流预测 正则化极限学习机 蜣螂优化算法 珍鲹优化算法 泥环算法 小波包变换 三峡水库

在线阅读 下载PDF 职称材料

基于WPT-ITTA-RELM/ELM/LSSVM模型的日径流预测研究 被引量：6

5

作者 董欣林 崔东文 《三峡大学学报（自然科学版）》 CAS 北大核心 2024年第4期16-24,共9页

为提高日径流预测精度,验证改进足球战术算法(ITTA)寻优正则化极限学习机(RELM)、极限学习机(ELM)、最小二乘支持向量机(LSSVM)超参数对日径流预测精度的影响,提出小波包分解(WPT)-ITTA-RELM/ELM/LSSVM时间序列预测模型,并通过德厚大型... 为提高日径流预测精度,验证改进足球战术算法(ITTA)寻优正则化极限学习机(RELM)、极限学习机(ELM)、最小二乘支持向量机(LSSVM)超参数对日径流预测精度的影响,提出小波包分解(WPT)-ITTA-RELM/ELM/LSSVM时间序列预测模型,并通过德厚大型水库入库日径流预测实例进行验证.首先,利用WPT分解处理日径流时序数据,以获得更具规律的子序列分量;其次,通过典型测试函数和RELM/ELM/LSSVM超参数寻优适应度函数对ITTA寻优能力进行检验,并与基本足球战术算法(TTA)、灰狼优化(GWO)算法、倭黑猩猩优化(BO)算法、黏菌算法(SMA)、鲸鱼优化算法(WOA)的优化结果作对比;最后,建立WPT-ITTA-RELM/ELM/LSSVM模型对实例日径流进行预测,并构建WPT-TTA/GWO/BO/SMA/WOA-RELM、WPT-TTA/GWO/BO/SMA/WOA-ELM、WPT-TTA/GWO/BO/SMA/WOA-LSSVM、WPT-RELM/ELM/LSSVM作对比分析模型.结果表明:对于高维和低维优化问题,ITTA寻优精度均优于TTA、GWO、BO、SMA、WOA,表明通过Levy飞行策略及平衡系数等的改进,可有效提高ITTA全局搜索性能和全局、局部平衡能力.WPT-ITTA-RELM、WPT-ITTA-ELM模型对实例日径流预测的平均绝对百分比误差(E_(MAP))分别为0.521%与0.604%,平均绝对误差(E MA)分别为0.024 m^(3)/s与0.025 m^(3)/s,纳什效率系数(E_(NS))均为0.9992,优于其他对比模型;其中WPT-ITTA-ELM模型运行时间较长,不利于大容量样本的预测研究.对于RELM/ELM超参数高维寻优,ITTA优化效果最好,SMA、TTA次之,GWO、BO、WOA优化效果较差;对于LSSVM超参数低维寻优,由于优化维度低、问题简单,ITTA等6种算法均具有较好的优化效果,但ITTA优化效果最好. 展开更多

关键词 日径流预测 极限学习机 最小二乘支持向量机 改进足球战术算法 小波包变换 超参数优化

在线阅读 下载PDF 职称材料

基于小波消噪的混沌多元回归日径流预测模型 被引量：16

6

作者 王秀杰 练继建 +1 位作者 费守明 张卓 《系统仿真学报》 EI CAS CSCD 北大核心 2007年第15期3605-3608,共4页

基于小波消噪理论对水文序列中的噪声进行了处理,然后利用混沌理论中的相空间重构技术计算出饱和嵌入维数作为多元回归模型的可控变量个数,将小波、混沌和多元回归方法结合起来对日径流进行了预测。与消噪前相比,消噪处理后建立的模型... 基于小波消噪理论对水文序列中的噪声进行了处理,然后利用混沌理论中的相空间重构技术计算出饱和嵌入维数作为多元回归模型的可控变量个数,将小波、混沌和多元回归方法结合起来对日径流进行了预测。与消噪前相比,消噪处理后建立的模型预测精度有了明显提高:预测合格率提高8%,平均绝对百分比误差为9.53%。因此在对水文时间序列进行混沌分析和预测之前,对其进行小波消噪是完全必要的。 展开更多

关键词 多元回归模型 日径流预测 小波消噪 混沌 嵌入维数

在线阅读 下载PDF 职称材料

基于TVF-EMD、GRA和LightGBM的日径流预测组合模型 被引量：11

7

作者 王秀杰 乔鸿飞 +2 位作者 曾勇红 田福昌 张帅 《水资源保护》 EI CAS CSCD 北大核心 2023年第5期135-142,151,共9页

针对径流过程的非线性和非平稳性特点及预报精度低的问题,提出了结合时变滤波器的经验模态分解(TVF-EMD)、灰色关联度分析(GRA)和轻量级梯度提升机(LightGBM)的日径流预测组合模型。以黄河利津站和珠江高要站实测日径流序列为例,建立TVF... 针对径流过程的非线性和非平稳性特点及预报精度低的问题,提出了结合时变滤波器的经验模态分解(TVF-EMD)、灰色关联度分析(GRA)和轻量级梯度提升机(LightGBM)的日径流预测组合模型。以黄河利津站和珠江高要站实测日径流序列为例,建立TVF-EMD-GRA-LightGBM(TGL)组合模型,并将其预测结果与多种单一或组合预测模型的预测结果进行了对比分析。结果表明:TGL组合模型高效且预测性能最佳,利津站和高要站日径流预测结果的纳什效率系数分别为0.949和0.966,相关系数分别为0.974和0.984,峰值流量预测误差分别小于0.078和0.073。TGL组合模型具有预测精度高、运行效率快、适用性强等优势,可用于日径流预测。 展开更多

关键词 日径流预测 轻量级梯度提升机 TVF-EMD 灰色关联度分析

在线阅读 下载PDF 职称材料

基于LH-BP松散耦合模型的日径流预测 被引量：1

8

作者 方玉杰 万金保 +2 位作者 罗定贵 陈春丽 邓长涛 《水电能源科学》 北大核心 2014年第8期30-33,共4页

鉴于基流过程对降雨不敏感,致使传统的BP神经网络日径流预测性能受到制约的问题,结合LyneHollick(LH)数字滤波算法和BP算法的优点,建立了基于LH分割基流与BP神经网络日径流预测的松散耦合模型(LH-BP)。先采用LH数字滤波算法分割出基流,... 鉴于基流过程对降雨不敏感,致使传统的BP神经网络日径流预测性能受到制约的问题,结合LyneHollick(LH)数字滤波算法和BP算法的优点,建立了基于LH分割基流与BP神经网络日径流预测的松散耦合模型(LH-BP)。先采用LH数字滤波算法分割出基流,再利用BP神经网络预测锦江流域四个水文站的直接径流和基流。结果表明,LH-BP耦合模型较传统的BP模型性能更优,弥补了传统的BP模型对日径流模拟与预测的不足。 展开更多

关键词 基流分割 日径流预测 数字滤波算法 BP神经网络 耦合模型

在线阅读 下载PDF 职称材料

基于BP神经网络的黄河中游日径流预测研究 被引量：20

9

作者 段勇 任磊 《人民黄河》 CAS 北大核心 2020年第S02期5-8,共4页

针对黄河中游干流6个主要水文站日径流时间序列,采用梯度下降算法、Levenberg-Marquardt(LM)算法和弹性算法构建BP神经网络模型进行日径流预测,并与二阶自回归模型模拟结果进行对比。对比分析采用均方根误差(RMSE)、纳什效率系数(NSE)... 针对黄河中游干流6个主要水文站日径流时间序列,采用梯度下降算法、Levenberg-Marquardt(LM)算法和弹性算法构建BP神经网络模型进行日径流预测,并与二阶自回归模型模拟结果进行对比。对比分析采用均方根误差(RMSE)、纳什效率系数(NSE)指标和误差合格率作为评价依据。结果表明:梯度下降BP神经网络模型模拟效果明显较差,其他三种模型具有更优的模拟性能,能够满足黄河中游干流主要水文站日径流预测的精度要求;日径流时间序列的数理统计分析能够为选取合适的径流预测模型提供依据,一阶自相关系数较高时建议采用自回归模型,偏态系数较高时不建议选用BP神经网络模型。 展开更多

关键词 BP神经网络 自回归模型 日径流预测 黄河中游

在线阅读 下载PDF 职称材料

DFA_VMD_LSTM组合日径流预测模型研究 被引量：27

10

作者 孙望良 周建中 +4 位作者 彭利鸿 徐占兴 莫莉 胡斯曼 何飞飞 《水电能源科学》 北大核心 2021年第3期12-15,共4页

为有效提取径流序列的局部特征信息、提高神经网络径流预测模型的非线性拟合能力和预测性能,引入变分模态分解(VMD)、去趋势波动分析(DFA)方法,提出了一种基于长短时记忆(LSTM)神经网络的组合日径流预测模型(DFA_VMD_LSTM),并采用均方误... 为有效提取径流序列的局部特征信息、提高神经网络径流预测模型的非线性拟合能力和预测性能,引入变分模态分解(VMD)、去趋势波动分析(DFA)方法,提出了一种基于长短时记忆(LSTM)神经网络的组合日径流预测模型(DFA_VMD_LSTM),并采用均方误差(RRMSE)、平均绝对误差(MMAE)、平均绝对百分误差(MMAPE)以及确定性系数(DDC)统计指标对模型进行评价。在三峡水库的径流预测研究中,经过与其他三种典型数据驱动模型的预测结果对比发现,DFA_VMD_LSTM组合日径流预测模型在不同评价指标上均有显著提升,说明该模型可充分挖掘径流序列组成特性,学习历史长程依赖,能有效提高径流预报精度。 展开更多

关键词 日径流预测 变分模态分解 去趋势波动分析 长短时记忆神经网络

在线阅读 下载PDF 职称材料

基于EMD分解的黄河流域兰州水文站日径流预测 被引量：4

11

作者 路炜 魏霖静 《水电能源科学》 北大核心 2023年第8期19-22,9,共5页

为探索提高径流预测精度,基于兰州水文站2001年8月~2019年12月的逐日径流数据,在控制变量法的基础上,应用LSTM、ARIMA、SVR、XGBoost四种模型,建立了单一模型、EMD分解重构、剔除噪声模态分量后的EMD分解重构等三类处理方式共12种模型方... 为探索提高径流预测精度,基于兰州水文站2001年8月~2019年12月的逐日径流数据,在控制变量法的基础上,应用LSTM、ARIMA、SVR、XGBoost四种模型,建立了单一模型、EMD分解重构、剔除噪声模态分量后的EMD分解重构等三类处理方式共12种模型方案,并对12种方案的评价指标进行对比。结果表明,EMD序列分解重构技术和基于Hurst指数的噪声模态分量剔除有助于提升预测精度,与单一模型相比,前者构建的模型的均方根误差(R_(RMSE))平均下降了15.16%,后者平均下降了28.49%;12种方案中,预测效果较好的方案是剔除噪声模态分量后的“EMD-SVR-ARIMA”模型。 展开更多

关键词 日径流预测 EMD分解 兰州水文站 机器学习模型

在线阅读 下载PDF 职称材料

基于Reg-Crossformer模型的日径流量预测

12

作者 王琨瑜 刘向阳 《水资源与水工程学报》 北大核心 2025年第1期40-46,53,共8页

以渭河流域为研究背景,选取咸阳水文站1961—2015年的逐日径流量数据,通过引入Crossformer模型,利用两阶段注意力机制,专注于多维时间序列数据,更好地捕捉不同维度之间的关联。提出了结合多源协变量因素的Reg-Crossformer模型,预测渭河... 以渭河流域为研究背景,选取咸阳水文站1961—2015年的逐日径流量数据,通过引入Crossformer模型,利用两阶段注意力机制,专注于多维时间序列数据,更好地捕捉不同维度之间的关联。提出了结合多源协变量因素的Reg-Crossformer模型,预测渭河流域日径流量,进一步增强该模型对复杂水文条件适应的能力。结果表明:Reg-Crossformer模型相比原Crossformer模型,其相关系数(R)和纳什效率系数(NSE)分别提高了7.46%和21.63%,均方根误差(RMSE)降低了15.25%;在不同模型对比试验中,Reg-Crossformer模型在各项评价指标上均优于传统机器学习模型(SVM)及深度学习模型(LSTM和Informer),表现出更优的模拟效果和稳定性。Reg-Crossformer模型为准确预测渭河流域径流量提供了一种新的方法,对未来流域水资源管理及深度学习模型在水文模拟领域应用方面具有参考价值。 展开更多

关键词 日径流时间序列预测 深度学习 Reg-Crossformer 渭河流域

在线阅读 下载PDF 职称材料

基于SGMD-ReOSELM和误差校正的日径流预报方法

13

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

基于多种机制改进的鲸鱼优化算法日径流预报模型

14

作者 陈楠 褚颖 +1 位作者 叶吉超 陈程鹏 《中国农村水利水电》 北大核心 2025年第6期83-89,共7页

针对电站日入库径流序列的非平稳性加剧,难以对其精准预测的问题,提出了一种基于多种机制改进鲸鱼优化算法(WOA,Whale Optimization Algorithm)的日入库径流序列预测模型。首先,利用变分模态分解(VMD,Variational Mode Decomposition)... 针对电站日入库径流序列的非平稳性加剧,难以对其精准预测的问题,提出了一种基于多种机制改进鲸鱼优化算法(WOA,Whale Optimization Algorithm)的日入库径流序列预测模型。首先,利用变分模态分解(VMD,Variational Mode Decomposition)将入库径流数据投影到不同频率的子序列中。然后,在传统鲸鱼优化算法中加入量子位Bloch坐标编码策略进行改进,提升初始解的质量,同时引入收敛因子非线性递减策略和麻雀预警机制,提升算法的全局优化能力,通过IWOA优化随机配置网络(SCN,Stochastic Configuration Networks)的超参数(最大隐藏节点数、最大候选节点数),然后利用SCN对分解后的模态分量进行预测,构建VMD-IWOA-SCN组合预测模型,提升预测精度。选取粒子群优化算法(PSO,Particle Swarm Optimization)、WOA与所提出的IWOA通过CEC2019测试函数进行优化性能验证对比实验,综合分析表明,引入多种机制改进后的IWOA算法确有最佳的优化性能。选取某电站2011-2021年共4018个日入库径流时间序列数据进行实例分析。并与其他流行优化算法模型进行对比,选取均方根误差(RMSE,Root Mean Square Error)、平均绝对误差(MAE,Mean Absolute Error)、平均绝对百分比误差(MAPE,Mean Absolute Percentage Error)以及纳什效率系数(NSE,Nash Efficiency)对预测结果进行评价。研究结果表明:在预测实验中VMD-IWOA-SCN组合模型的纳什效率系数达到99.09%,显著高于其他模型。表明了所提出的VMD-IWOA-SCN预测模型可以提供精确度和稳定性更佳的日入库径流量预测结果,可以为水电站发电量预测,水库调度等决策提供有效的参考依据。 展开更多

关键词 麻雀预警机制 鲸鱼优化算法 随机配置网络 时间序列预测 日入库径流预测

在线阅读 下载PDF 职称材料

基于小波分解的日径流支持向量机回归预测模型 被引量：17

15

作者 黄巧玲 粟晓玲 杨家田 《西北农林科技大学学报（自然科学版）》 CSCD 北大核心 2016年第4期211-217,共7页

【目的】将小波变换与支持向量机结合,构建小波支持向量机回归模型(WSVR),并用其对日径流进行预测,为水库调度提供参考依据。【方法】利用径流时间序列中包含的大量信息,通过小波变换将径流时间序列分解成不同分辨率水平的子序列和近似... 【目的】将小波变换与支持向量机结合,构建小波支持向量机回归模型(WSVR),并用其对日径流进行预测,为水库调度提供参考依据。【方法】利用径流时间序列中包含的大量信息,通过小波变换将径流时间序列分解成不同分辨率水平的子序列和近似序列,通过相关性分析选取有效子序列与近似序列相加得到的新序列作为支持向量机回归模型的输入,建立小波支持向量机回归耦合模型,以泾河流域张家山站的日径流为研究对象,利用均方根误差(RMSE)、平均绝对误差(MAE)、确定性系数(DC)、相关系数(R)及相对误差(RE)作为评价指标对模型预测精度进行评价。【结果】利用所建立的小波日径流支持向量机模型对张家山站日径流的预测结果显示,该模型在检验阶段的RMSE、MAE、DC、R及RE分别为26.05m3/s,8.26m3/s,0.826,0.910,-13.3%,与仅使用支持向量机回归模型(SVR)相比,耦合模型预测精度明显提高,且非汛期预测效果优于汛期。【结论】建立了小波支持向量机回归耦合模型,该模型可有效模拟和预测日径流,为日径流预测提供了新的途径。 展开更多

关键词 日径流预测 小波变换 支持向量机 张家山水文站

在线阅读 下载PDF 职称材料

基于TCN-BiLSTM与LSTM模型对比预测北洛河径流 被引量：10

16

作者 张梦凡 丁兵兵 +1 位作者 贾国栋 余新晓 《北京林业大学学报》 CAS CSCD 北大核心 2024年第4期141-148,共8页

【目的】本研究旨在探究TCN-BiLSTM耦合模型与传统LSTM模型在径流模拟预测中的性能,为洪水风险管理和区域水资源规划提供准确有效的径流预测模型。【方法】以北洛河流域为研究区,基于双向长短期记忆网络(BiLSTM)和时域卷积网络(TCN)建... 【目的】本研究旨在探究TCN-BiLSTM耦合模型与传统LSTM模型在径流模拟预测中的性能,为洪水风险管理和区域水资源规划提供准确有效的径流预测模型。【方法】以北洛河流域为研究区,基于双向长短期记忆网络(BiLSTM)和时域卷积网络(TCN)建立一种新的径流预测耦合模型TCN-BiLSTM。利用相关性分析,筛选预测径流的输入因子,确定4种不同的输入方案应用于TCN-BiLSTM耦合模型和传统LSTM模型,每个模型分别预测1、2、3 d的径流量。采用平均绝对误差(MAE)、均方根误差(RMSE)和拟合优度(R^(2))来评估模型的预测性能。【结果】(1)TCN-BiLSTM耦合模型整体预测性能优于LSTM模型,TCN-BiLSTM模型R^(2)达到0.91,高于LSTM的0.89。相比于LSTM,TCN-BiLSTM对于峰值和突变点的捕捉能力更强,对于波动大的复杂数据预测效果更优;(2)在针对未来1~3 d径流量预测中,随着预见期的延长,4种方案下TCN-BiLSTM和LSTM模型的预测效果均有所下降,相较于预测1 d,预测3 d的TCNBiLSTM和LSTM模型的R^(2)分别平均下降了0.17和0.14,RMSE分别平均增大了4.59和4.40,MAE分别平均增大了1.26和1.31;(3)在4种输入方案里,日累积降水量和日径流量作为输入变量时,模型的预测效果最好。降水数据的加入使得TCN-BiLSTM和LSTM模型相较于单一日径流数据作为输入变量时,1、2、3 d径流量预测的R^(2)分别提高15%、14%、6%和18%、14%和1%。【结论】TCN-BiLSTM耦合模型和LSTM模型R^(2)均能达到0.85以上,TCN-BiLSTM模型R^(2)较LSTM提高了2%。对比来看,TCN-BiLSTM模型在拟合洪水过程中表现更为优异,对于汛期的预测性能优于非汛期。输入变量对模型的影响较大,有效且高质量的气象数据能够提高模型的预测性能。 展开更多

关键词 水文模拟 TCN-BiLSTM 日径流预测 北洛河流域

在线阅读 下载PDF 职称材料

多极小波包变换与改进浣熊算法优化的混合核极限学习机径流预测 被引量：4

17

作者 刀海娅 程刚 崔东文 《中国农村水利水电》 北大核心 2024年第6期1-9,20,共10页

为提高日径流多步预测精度,减少模型计算规模,同时提升浣熊优化(COA)算法和混合核极限学习机(HKELM)性能,提出多极小波包变换(MWPT)-改进COA算法(ICOA)-HKELM日径流时间序列预测模型。首先,利用MWPT将日径流时序数据分解为1个低频分量和... 为提高日径流多步预测精度,减少模型计算规模,同时提升浣熊优化(COA)算法和混合核极限学习机(HKELM)性能,提出多极小波包变换(MWPT)-改进COA算法(ICOA)-HKELM日径流时间序列预测模型。首先,利用MWPT将日径流时序数据分解为1个低频分量和2个高频分量,并构建局部高斯径向基核函数和全局多项式核函数相混合的HKELM;其次,简要介绍COA算法原理,基于Circle映射等策略对COA进行改进,提出ICOA算法,通过8个典型函数对ICOA算法进行仿真验证,并与基本COA算法、鲸鱼优化算法(WOA)、灰狼优化算法(GWO)作对比,旨在验证ICOA算法的优化性能;最后,利用ICOA优化HKELM超参数(正则化参数、核参数、权重系数),建立MWPT-ICOA-HKELM模型,并构建MWPT-COA-HKELM、MWPT-WOA-HKELM、MWPT-GWO-HKELM、小波包变换(WPT)-ICOA-HKELM、小波变换(WT)-ICOA-HKELM、MWPT-ICOA-BP模型作对比分析,通过云南省景东、把边水文站2016-2020年日径流时间序列多步预测实例对各模型进行验证。结果表明:(1)ICOA具有较好的改进效果,仿真精度优于COA、WOA、GWO算法。(2)MWPT-ICOA-HKELM模型预测效果优于其他对比模型,其对实例单步预测效果“最好”,超前3步和超前5步“较好”,超前7步“较差”,预测精度随预测步长的增加而降低。(3)利用ICOA优化HKELM超参数,可显著提高HKELM预测性能,超参数优化效果优于COA、WOA、GWO算法。 展开更多

关键词 日径流预测 多极小波包变换 改进浣熊优化算法 混合核极限学习机 超参数优化

在线阅读 下载PDF 职称材料

基于改进的神经网络与支持向量机的小流域日径流量预测研究 被引量：15

18

作者 马乐宽 邱瑀 +2 位作者 赵越 李雪 王玉秋 《水资源与水工程学报》 2016年第5期23-27,共5页

数据驱动水文模型可以在不考虑复杂物理过程的情况下,实现对数据种类较少的小流域日径流量的准确预测。本研究基于安徽省黄山市月潭水文监测站点2009-2012年的日径流量监测数据,分别构建粒子群寻优算法改进的神经网络(PSO-BPNN)以及支... 数据驱动水文模型可以在不考虑复杂物理过程的情况下,实现对数据种类较少的小流域日径流量的准确预测。本研究基于安徽省黄山市月潭水文监测站点2009-2012年的日径流量监测数据,分别构建粒子群寻优算法改进的神经网络(PSO-BPNN)以及支持向量机(PSO-SVM)模型。通过进行不同形式的模型结果比较发现,两类模型均有较好的拟合能力及泛化能力,其中基于三日流量数据的(PSO-SVM)模型具有最优模拟结果,可以考虑用于月潭流域日径流量的预测,实现流域内水资源的合理配置以及相关灾害的预防。 展开更多

关键词 日径流量 神经网络 支持向量机 粒子群寻优 日径流量预测

在线阅读 下载PDF 职称材料

VMD-PSO-LSTM模型的日径流多步预测 被引量：9

19

作者 王秀杰 王玲 +3 位作者 滕振敏 田福昌 袁佩贤 苑希民 《水利水运工程学报》 CSCD 北大核心 2023年第4期81-90,共10页

为了弱化径流时间序列的非线性和非平稳性,提高不同预见期的日径流预测精度,提出了一种新的VMD-PSO-LSTM多步预测组合模型。首先采用变分模态分解(VMD)方法将原始日径流序列分解为子序列,通过粒子群优化算法(PSO)对长短期记忆(LSTM)模... 为了弱化径流时间序列的非线性和非平稳性,提高不同预见期的日径流预测精度,提出了一种新的VMD-PSO-LSTM多步预测组合模型。首先采用变分模态分解(VMD)方法将原始日径流序列分解为子序列,通过粒子群优化算法(PSO)对长短期记忆(LSTM)模型参数进行优化,对各子序列建立PSO-LSTM模型,各分量的预测值重构集成预测结果。将VMD-PSO-LSTM模型应用于黄河下游花园口和利津站的日径流多步预测,采用Nash sutcliffe效率系数(ENS)、相关系数(R)和均方根误差(ERMS)3个定量评价指标对模型预测结果进行评价。结果表明:在预见期为1、2、3 d的情况下,两个测站的Nash sutcliffe效率系数和相关系数均在0.90以上。与CEEMD-PSO-LSTM和PSO-LSTM模型的预测结果对比表明,该模型能够有效提高日径流多步预测精度,是一种高效稳定的径流预报模型。 展开更多

关键词 非平稳序列 日径流多步预测 长短期记忆模型 变分模态分解方法

在线阅读 下载PDF 职称材料

ANN、ANFIS和AR模型在日径流时间序列预测中的应用比较 被引量：12

20

作者 谭乔凤 王旭 +1 位作者 王浩 雷晓辉 《南水北调与水利科技》 CAS CSCD 北大核心 2016年第6期12-17,26,共7页

水文预测是水文学为经济和社会服务的重要方面。其预报结果不仅能为水库优化调度提供决策支持,而且对水电系统的经济运行、航运以及防洪等方面具有重大意义。自回归模型(AR模型)、人工神经网络(ANN)和自适应神经模糊推理系统(ANFIS)在... 水文预测是水文学为经济和社会服务的重要方面。其预报结果不仅能为水库优化调度提供决策支持,而且对水电系统的经济运行、航运以及防洪等方面具有重大意义。自回归模型(AR模型)、人工神经网络(ANN)和自适应神经模糊推理系统(ANFIS)在日径流时间序列中应用广泛。将这三种模型应用于桐子林的日径流时间序列预测中,不仅采用纳什系数(NS系数)、均方根误差(RMSE)和平均相对误差(MARE)为评价指标,对三种模型的综合性能进行了比较。而且,在对三种模型预测结果的平均相对误差的阈值统计基础上,分析了三种模型的预测误差分布。同时,通过研究模型性能指标随预见期的变化过程评价了三种模型不同预见期下的预测能力。结果表明ANFIS相对于ANN和AR模型不仅具有更好的模拟能力、泛化能力,而且在相同的预见期下具有更优的模型性能,可以作为日径流时间序列预测的推荐模型。 展开更多

关键词 自回归模型 人工神经网络 自适应神经模糊推理系统 日径流时间序列预测

在线阅读 下载PDF 职称材料