基于DD-ACMD-PSA-TCN-GRELM耦合模型的日径流预测

寿玮玮; 刘月馨; 顾晨晖; 王雪峰; 王顺; 葛宜达; 张楚

doi:10.20040/j.cnki.1000-7709.2026.20250059

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于DD-ACMD-PSA-TCN-GRELM耦合模型的日径流预测

更新时间：2026-02-25

- 基于DD-ACMD-PSA-TCN-GRELM耦合模型的日径流预测
- Issue 2, Pages: 1-5+21(2026)
- 作者机构：
  
  1. 中国电建集团华东勘测设计研究院有限公司
  2. 杭州华辰电力控制工程有限公司
  3. 淮阴工学院自动化学院
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2026.20250059
  CLC： P333.1
- Published：2026
- 稿件说明：
移动端阅览
寿玮玮, 刘月馨, 顾晨晖, et al. 基于DD-ACMD-PSA-TCN-GRELM耦合模型的日径流预测[J]. 2026, (2): 1-5+21.
DOI：

寿玮玮, 刘月馨, 顾晨晖, et al. 基于DD-ACMD-PSA-TCN-GRELM耦合模型的日径流预测[J]. 2026, (2): 1-5+21. DOI： 10.20040/j.cnki.1000-7709.2026.20250059.

摘要

径流预测对于科学管理水资源和优化水力发电调度具有重要意义。针对径流预测的非平稳性和不确定性

提出了一种基于数据驱动的自适应啁啾模态分解(DD-ACMD)、PID搜索算法(PSA)、时间卷积网络(TCN)和广义正则化极限学习机(GRELM)的耦合预测模型

并以乌江流域的乌江渡水文站的日径流量为例

通过对比BP、ELM、GRELM、TCN、TCN-GRELM、DD-ACMD-TCN-GRELM模型的预测性能

验证了所提模型的有效性。结果表明

本文所提方法通过引入深度学习技术和优化算法调参

可提供更加精准和可靠的径流预测结果

其纳什系数可达0.957 5。

Abstract

关键词

Keywords

references

王富强,霍风霖.中长期水文预报方法研究综述[J].人民黄河,2010(03).

张上要,罗军刚,石国栋,景鑫,连亚妮,左岗岗.基于VMD-TCN模型的渭河流域月径流量预测研究[J].人民黄河,2023(10).

徐刚,胡婷婷,王琛倪.基于深度学习的流域洪水预报模型研究[J].水文,2023(03).

程家波,姬厚灵,陈中举,鲍帅.基于GWO-PE-VMD-ResNet组合模型的日径流预测[J].水电能源科学,2024(08).

徐军杨,张奇伟,蔡鹏,罗远林,张坚,张楚.基于深度信念极限学习机与卷积优化算法的洪水预报方法[J].水电能源科学,2024(08).

Fernando Kentaro Inaba,Evandro Ottoni Teatini Salles,Sylvain Perron,Gilles Caporossi.DGR-ELM–Distributed Generalized Regularized ELM for classification[J].Neurocomputing,2018.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于Kolmogorov-Arnold网络的深度学习模型改进对日径流预测的影响

基于径流预测的流域小水电群可调能力优化

未来气候和土地利用变化下岷江流域径流模拟预测

基于“优选—组合—修正”策略的月径流预测模型研究

分解-集成径流预测模型性能“高低”差异机理与特性分析

Related Author

姚泽扬

赵勇

曹德勤

陈永智

王也

徐勇

谢学渊

张新鹤

Related Institution

湖南五凌电力科技有限公司

五凌电力有限公司

国网湖南省电力有限公司

中国电力科学研究院有限公司

四川大学水力学与山区河流开发保护国家重点实验室

AI问答

⁰