融合自适应滑动集合经验模态分解的机器学习月径流预测方法

胡永旭; 乔长录; 刘延雪; 李旭

doi:10.20040/j.cnki.1000-7709.2024.20231965

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

融合自适应滑动集合经验模态分解的机器学习月径流预测方法

更新时间：2026-02-25

- 融合自适应滑动集合经验模态分解的机器学习月径流预测方法
- Issue 10, Pages: 6-10(2024)
- 作者机构：
  
  1. 石河子大学水利建筑工程学院
  2. 寒旱区生态水利工程兵团重点实验室
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2024.20231965
  CLC： P333.1
- Published：2024
- 稿件说明：
移动端阅览
胡永旭, 乔长录, 刘延雪, et al. 融合自适应滑动集合经验模态分解的机器学习月径流预测方法[J]. 2024, (10): 6-10.
DOI：

胡永旭, 乔长录, 刘延雪, et al. 融合自适应滑动集合经验模态分解的机器学习月径流预测方法[J]. 2024, (10): 6-10. DOI： 10.20040/j.cnki.1000-7709.2024.20231965.

摘要

为提高月径流预测精度，解决传统分解集成径流预测方法提前引入“未来信息”在实际工程中无法实现的问题，提出了一种基于自适应滑动集合经验模态分解（ASEEMD）、秃鹰搜索（BES）算法和极限学习机（ELM）耦合的月径流预测模型（ASEEMD-BES-ELM）。并以玛纳斯河1957～2014年的月径流序列为例，首先，利用ASEEMD对原始月径流序列自适应分解，得到若干子序列；其次，将各子序列分别输入到结合BES算法和网格搜索优化后的ELM模型中预测；最后，累加各子序列预测结果，得到最终月径流预测值。与ELM

、BES-LEM

、BES-ELM、EEMD-BES-ELM（传统“捆绑分解”）模型对比结果表明，ASEEMD-BES-ELM模型的纳什效率系数为0.971、平均绝对误差为5.173 m

/s、均方根误差为8.282 m

/s、平均绝对百分比误差为16.033%

在符合实际应用中预测精度最高。结果可为干旱区月径流预测研究提供参考。

Abstract

关键词

Keywords

references

赵莹玉,彭慧春,李继清.融合改进灰狼算法的机器学习月径流预测方法[J].水力发电学报,2023(09).

张晓煊,宋松柏,张炳林.基于变分模态分解的分频径流预测模型[J].水资源与水工程学报,2023(01).

熊怡,周建中,孙娜,张建云,朱思鹏.基于自适应变分模态分解和长短期记忆网络的月径流预报[J].水利学报,2023(02).

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).

贾鹤鸣,姜子超,李瑶.基于改进秃鹰搜索算法的同步优化特征选择[J].控制与决策,2022(02).

grid.444506.7, Department of Computing, Faculty of Arts, Computing and Creative Industry, Universiti Pendidikan Sultan Idris, Tanjung Malim, Malaysia,grid.460862.e, Al-Rafidain University College, Baghdad, Iraq,grid.444506.7, Department of Computing, Faculty of Arts, Computing and Creative Industry, Universiti Pendidikan Sultan Idris, Tanjung Malim, Malaysia,grid.444506.7, Department of Computing, Faculty of Arts, Computing and Creative Industry, Universiti Pendidikan Sultan Idris, Tanjung Malim, Malaysia.Novel meta-heuristic bald eagle search optimisation algorithm[J].Artificial Intelligence Review: An International Science and Engineering Journal,2020.

Guang-Bin Huang,Qin-Yu Zhu,Chee-Kheong Siew.Extreme learning machine: Theory and applications[J].Neurocomputing,2005.

Norden E. Huang,Zheng Shen,Steven R. Long,Manli C. Wu,Hsing H. Shih,Quanan Zheng,Nai-Chyuan Yen,Chi Chao Tung,Henry H. Liu.The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Non-Stationary Time Series Analysis[J].Proceedings: Mathematical, Physical and Engineering Sciences,1998(1971).

钱玉霞.分解—校正—集成模式下深度信念网络径流预测研究[D].石河子大学,2023(03).

Views

163

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于EEMD-IPSO-BiLSTM的闸基渗压预测模型研究

Attention机制加成的ICEEMDAN-1D-CNN-BiGRU月径流预测

基于TimeGAN-LSTM的月径流预测模型

基于EEMD-SVM-ELM模型的月降水量预测研究

基于LCD-SSA-BiLSTM模型的月径流预测研究

Related Author

王少波

喻桂成

王荣

张孟颖

王慧方

郭秋岑

朱博文

赵雪花

Related Institution

江苏省河道管理局

江苏省水利勘测设计研究院有限公司

太原理工大学水利科学与工程学院

江西省水利科学院

华中科技大学土木与水利工程学院

AI问答

⁰