基于变分模态分解的自适应交叉融合模型及其在月径流预测中的应用

孙瑜辉; 王庆杰; 岳春芳

doi:10.20040/j.cnki.1000-7709.2025.20240373

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于变分模态分解的自适应交叉融合模型及其在月径流预测中的应用

更新时间：2026-02-25

- 基于变分模态分解的自适应交叉融合模型及其在月径流预测中的应用
- Vol. 43, Issue 3, Pages: 1-6(2025)
- 作者机构：
  
  1. 乌鲁木齐水业投资发展集团有限公司
  2. 四川水发勘测设计研究有限公司
  3. 新疆农业大学水利与土木工程学院
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2025.20240373
  CLC： P338.2
- Published：2025
- 稿件说明：
移动端阅览
孙瑜辉, 王庆杰, 岳春芳. 基于变分模态分解的自适应交叉融合模型及其在月径流预测中的应用[J]. 2025, 43(3): 1-6.
DOI：

孙瑜辉, 王庆杰, 岳春芳. 基于变分模态分解的自适应交叉融合模型及其在月径流预测中的应用[J]. 2025, 43(3): 1-6. DOI： 10.20040/j.cnki.1000-7709.2025.20240373.

摘要

基于“分解—集成”策略的径流预测模型是现有研究中提高预测精度的主流方式之一。分解—集成建模方式主要有后验试验(HE)、预测试验(FE)和自适应预测试验(AFE)3种方式，已有研究主要聚焦于HE的改进，忽视了各建模方式的实用性研究。基于此，在梳理各类建模方式特性的基础上，以天山山系中两条典型的内陆河为例，选用BP神经网络(BP)、支持向量机(SVM)和随机森林(RF)为基准预测模型，基于变分模态分解(VMD)和互补集合经验模态分解(CEEMD)分别构建多种分解—集成预测模型，并探索了AFE与基准模型交叉融合后的预测能力。仿真结果表明，HE建立时提前使用了测试数据信息，与预测实际不符；FE在测试数据分解时受端点效应影响严重，预测精度极低；AEF符合逐时段观测—滚动分解—实时建模预测的实际，基于VMD和CEEMD的AFE模型对径流极大值的预测精度较高。在AFE类模型中，VMD的适应性更强，可实现流域汛期月径流的高精度预报。基于VMD分解的自适应交叉融合模型能够取得与HE模型相当甚至更高的预测精度，对径流预测精度的提高具有实际意义。

Abstract

关键词

Keywords

references

毛建刚,王庆杰.群智能算法在月径流预测支持向量机建模中的适应性研究[J].水电能源科学,2024(05).

肖森元,杨广,何新林,谷新晨,李小龙.玛纳斯河流域MIKE SHE水文模型率定[J].山地学报,2021(01).

李福兴,陈伏龙,蔡文静,何朝飞,龙爱华.基于EMD组合模型的径流多尺度预测[J].地学前缘,2021(01).

李智强,邹红霞,齐斌,郭江昆.基于EEMD-ARIMA的年降水预测拟合模型研究[J].计算机应用与软件,2020(11).

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).

左岗岗.基于机器学习的径流预测方法及适应性预测机制研究[D].西安理工大学,2021(01).

彭勇.中长期水文预报与水库群优化调度方法及其系统集成研究[D].大连理工大学,2007(01).

Wang Qingjie,Yue Chunfang,Li Xiaoqing,Liao Pan,Li Xiaoyao.Enhancing robustness of monthly streamflow forecasting model using embedded-feature selection algorithm based on improved gray wolf optimizer[J].Journal of Hydrology,2023(PB).

Ibrahim Aljarah,Hossam Faris,Seyedali Mirjalili,Nailah Al-Madi,Alaa Sheta,Majdi Mafarja.Evolving neural networks using bird swarm algorithm for data classification and regression applications[J].Cluster Computing,2019.

Xiangang Luo,Xiaohui Yuan,Shuang Zhu,Zhanya Xu,Lingsheng Meng,Jing Peng.A hybrid support vector regression framework for streamflow forecast[J].Journal of Hydrology,2019.

John Quilty,Jan Adamowski.Addressing the incorrect usage of wavelet-based hydrological and water resources forecasting models for real-world applications with best practices and a new forecasting framework[J].Journal of Hydrology,2018.

Qiao-Feng Tan,Xiao-Hui Lei,Xu Wang,Hao Wang,Xin Wen,Yi Ji,Ai-Qin Kang.An adaptive middle and long-term runoff forecast model using EEMD-ANN hybrid approach[J].Journal of Hydrology,2018.

Xiaoli Zhang,Yong Peng,Chi Zhang,Bende Wang.Are hybrid models integrated with data preprocessing techniques suitable for monthly streamflow forecasting? Some experiment evidences[J].Journal of Hydrology,2015.

Konstantin Dragomiretskiy,Dominique Zosso.Variational Mode Decomposition.[J].IEEE Trans. Signal Processing,2014.

JIA-RONG YEH,JIANN-SHING SHIEH,NORDEN E. HUANG.COMPLEMENTARY ENSEMBLE EMPIRICAL MODE DECOMPOSITION: A NOVEL NOISE ENHANCED DATA ANALYSIS METHOD[J].Advances in Adaptive Data Analysis,2010(2).

Views

158

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

分解-集成径流预测模型性能“高低”差异机理与特性分析

基于VMD-SSA-K-means-iForest的重力坝监测数据异常模式混合识别算法研究

基于径流预测的流域小水电群可调能力优化

基于VMD的供水管道漏损检测研究

基于GHOA-VMD-GRU和CNN区间建模的长江上游干流日含沙量预测研究

Related Author

朱灵芝

刘长升

岳春芳

王庆杰

郭瑞

徐量

王福生

李涵曼

Related Institution

南京水利科学研究院水利部大坝安全管理中心

南京水利科学研究院水灾害防御全国重点实验室

淮安市水利勘测设计研究院有限公司

国网湖南省电力有限公司

中国电力科学研究院有限公司

AI问答

⁰