1. 云南省水利水电勘测设计研究院
2. 云南省文山州水务局
Published:2026
移动端阅览
潘思成, 潘秀昌, 崔东文. 基于数据处理与超参数优化的高斯过程回归月地下水位预测[J]. 2026, 48(3): 8-15.
DOI:
潘思成, 潘秀昌, 崔东文. 基于数据处理与超参数优化的高斯过程回归月地下水位预测[J]. 2026, 48(3): 8-15. DOI: 10.13393/j.cnki.issn.1672-948X.2026.03.002.
为提高月地下水位时间序列预测精度,解决高斯过程回归(GPR)超参数选取问题,提出基于小波包变换(WPT)和指数分布优化(EDO)算法、指数三角优化(ETO)算法、四向量智能元启发式(FVIM)算法、信息获取优化(IAO)算法优化GPR的月地下水位时间序列预测模型,并通过云南省倘甸、者林寨等6个地下水位站实测数据对模型进行验证.首先,利用WPT对各实例地下水位时间序列进行2层分解,划分各分量训练集和验证集;其次,基于训练集构建GPR超参数优化实例目标函数,利用EDO/ETO/FVIM/IAO对实例目标函数进行优化;最后,利用优化获得的最优超参数建立WPT-EDO/ETO/FVIM/IAO-GPR模型对实例各分量进行预测和重构,并构建WPT-EDO/ETO/FVIM/IAO-最小二乘支持向量机(LSSVM)、WPT-GPR、EDO/ETO/FVIM/IAO-GPR模型作对比.结果表明:WPT-EDO/ETO/FVIM/IAO-GPR模型对6个实例预测的平均绝对误差(E
MA
)在0.007 0~0.051 5 m之间,决定系数(C
D
)在0.994 0~0.999 4之间,预测精度优于其他对比模型;在相同分解和优化情形下,GPR预测性能优于LSSVM;通过EDO/ETO/FVIM/IAO优化GPR超参数,可以显著提升GPR的预测精度;无论地下水位变幅大小,WPT均能将其分解为更易建模的分解分量,从而提高地下水位预测精度.
张郑贤,刘艺,张锋贤.基于时间序列模型的济南趵突泉地下水位预测[J].中国水利水电科学研究院学报,2019(01).
喻黎明,严为光,龚道枝,李沅媛,冯禹,姜丹曦.基于ELM模型的浅层地下水位埋深时空分布预测[J].农业机械学报,2017(02).
张建锋,刘见宝,崔树军,谢玉华.小波-神经网络混合模型预测地下水水位[J].长江科学院院报,2016(08).
胡顺强,崔东文.基于AEO-Schumacher-Usher模型的径流及地下水位预测[J].中国农村水利水电,2020(11).
孙虹洁,赵振华,黄林显,邢立亭,郝杰,罗振江.多变量LSTM神经网络模型在地下水位预测中的应用[J].人民黄河,2022(08).
李杰,崔东文.若干新型群体智能算法优化高斯过程回归的年降水量预测[J].节水灌溉,2023(07).
侯金霄,黄林显,胡晓农,钱永,邢立亭,韩忠,梁浩.基于EMD-LSTM耦合模型的趵突泉岩溶地下水水位预测应用[J].水资源与水工程学报,2023(04).
王永顺,崔东文.数据分解技术与若干智能算法优化的高斯过程回归总氮预测[J].人民珠江,2023(11).
李菊,崔东文.基于数据分解与斑马算法优化的混合核极限学习机月径流预测[J].长江科学院院报,2024(06).
王强,刘宏伟,聂子凡.基于VMDT-POA-DELM-GPR的两阶段短期负荷预测[J].国外电子测量技术,2024(01).
冯鹏宇,金韬,沈一选,但俊.基于CNN-Transformer的城区地下水位预测[J].计算机仿真,2023(04).
刘娣,余钟波,吕海深,鞠琴.基于SVM-EnKF双向数据同化的地下水水位变化预测[J].水文,2023(06).
李菊,崔东文.基于WPT-IDBO-RELM和WPT-IDMO-RELM模型的日径流预测[J].水利水电科技进展,2024(06).
徐荣华,崔东文.基于EWT-EVO/CDO-GPR模型的三峡入库月径流预测[J].三峡大学学报(自然科学版),2025(02).
徐祥森,郑方元,查元源,王钥.基于图神经网络的灌区地下水位预测研究[J].中国农村水利水电,2025(06).
杜柳青,殷国富,余永维.基于混沌相空间重构的数控机床运动精度预测[J].农业机械学报,2015(10).
0
Views
107
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution