1. 国家能源集团四川发电有限公司南桠河水电分公司
2. 四川农业大学水利水电学院
3. 成都动能科技有限公司
4. 四川大学水利水电学院
Published:2025
移动端阅览
黎宇杰, 史国勇, 廖毅, et al. 基于NRBO-SVM模型的月径流预测研究[J]. 2025, 51(1): 16-21.
DOI:
黎宇杰, 史国勇, 廖毅, et al. 基于NRBO-SVM模型的月径流预测研究[J]. 2025, 51(1): 16-21. DOI:
基于冶勒站多年月径流数据,以支持向量机(SVM)作为预测器,从模型输入、模型优化和输出环节探讨了提升月径流预测精度的方法。首先,比较了牛顿-拉夫逊优化算法(NRBO)与灰狼优化算法(GWO)在参数寻优方面的性能,发现均方误差(MSE)作为适应度函数时NRBO表现更优。其次,进一步比较了逐月预测与分月预测的效能,结果显示逐月预测具有更高的预测准确性。此外,还从模型输出环节探索了组合预测输出的效果,发现能有效提升模型的泛化性能。而在数据预处理环节,经变分模态分解(VMD)预处理能大幅降低模型预测难度,同时显著提高预测精度。具体而言,GWO-VMD-NRBO-SVM相比单一模型,平均绝对百分比误差(MAPE)和归一化均方根误差(NRMSE)的降低幅度分别超过68%和79%
而纳什效率系数(NSE)提升超过15%。研究结果对非平稳月径流预测具有一定的参考价值。
王庆杰.基于特征选择和时频分析的径流预测机器学习模型研究[D].新疆农业大学,2022(03).
王秀杰,乔鸿飞,曾勇红,田福昌,张帅.基于TVF-EMD、GRA和LightGBM的日径流预测组合模型[J].水资源保护,2023(05).
朱非林,侯添甜,梁一帆,任瑞杰.基于VMD-LSTM的水库中长期径流预测模型[J].水力发电,2023(09).
祁继霞,粟晓玲,张更喜,张特.VMD-LSTM模型对不同预见期月径流的预测研究[J].干旱地区农业研究,2022(06).
郭田丽,宋松柏,张特,王慧敏.基于两阶段粒子群优化算法的新型逐步分解集成径流预测模型[J].水利学报,2022(12).
简定辉,李萍,黄宇航.基于GA-VMD-ResNet-LSTM网络的短期电力负荷预测[J].国外电子测量技术,2022(10).
孙国梁,李保健,徐冬梅,李宇鹏.基于VMD-SSA-LSTM的月径流预测模型及应用[J].水电能源科学,2022(05).
李明军,王均星,潘江洋,刘昊,李慧.基于改进GWO和SVM的大坝变形预测[J].水力发电,2021(03).
Sowmya Ravichandran,Premkumar Manoharan,Jangir Pradeep.Newton-Raphson-based optimizer: A new population-based metaheuristic algorithm for continuous optimization problems[J].Engineering Applications of Artificial Intelligence,2024.
0
Views
625
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution