联合ICEEMDAN与多种智能优化算法的径流预测及对比研究

毛钦男; 刘招; 李杰; 王舒民; 张庭豪

doi:10.20040/j.cnki.1000-7709.2023.20230042

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

联合ICEEMDAN与多种智能优化算法的径流预测及对比研究

水文水资源与环境 | 更新时间：2026-02-25

- 联合ICEEMDAN与多种智能优化算法的径流预测及对比研究
- 联合ICEEMDAN与多种智能优化算法的径流预测及对比研究
- 水电能源科学 2023年第10期页码：23-26+31
- 作者机构：
  
  1. 长安大学水利与环境学院
  2. 长安大学旱区地下水文与生态效应教育部重点实验室
  3. 长安大学水与发展研究院
- 作者简介：
- 基金信息：
  
  陕西省自然科学基金联合基金项目(2021JLM-54);国家自然科学基金项目(41273104);陕西省自然科学基础研究计划项目(2012K12-03-06)
- DOI：10.20040/j.cnki.1000-7709.2023.20230042
  中图分类号： TP18;TV121
- 纸质出版：2023
- 稿件说明：
移动端阅览
毛钦男, 刘招, 李杰, 等. 联合ICEEMDAN与多种智能优化算法的径流预测及对比研究[J]. 水电能源科学, 2023,(10):23-26+31.

毛钦男, 刘招, 李杰, et al. 联合ICEEMDAN与多种智能优化算法的径流预测及对比研究[J]. 2023, (10): 23-26+31.
毛钦男, 刘招, 李杰, 等. 联合ICEEMDAN与多种智能优化算法的径流预测及对比研究[J]. 水电能源科学, 2023,(10):23-26+31. DOI： 10.20040/j.cnki.1000-7709.2023.20230042.

毛钦男, 刘招, 李杰, et al. 联合ICEEMDAN与多种智能优化算法的径流预测及对比研究[J]. 2023, (10): 23-26+31. DOI： 10.20040/j.cnki.1000-7709.2023.20230042.

摘要

为提高径流预测的精度及可靠性，引入EMD处理非稳态时间序列的优势，建立改进自适应噪声完整集合经验模态分解(ICEEMDAN)和鲸鱼算法(WOA)优化的BP神经网络预测模型。以陕西省黑河金盆水库入库径流预测为例，建立基于多种智能优化算法的模拟模型对水库入库径流进行预测，同时分别选用降水、径流等不同时间序列历史资料作为输入因子，对比在相同输入因子条件下BP、WOA-BP、ICEEMDAN-BP、ICEEMDAN-WOA-BP模型的预测能力。结果表明，就输入序列而言，以降水为输入因子的模型预测效果优于以径流为输入因子的模型；就不同算法而言，ICEEMDAN-WOA-BP模型具有较好的稳定性，纳什系数可达80%～90%

预测精度更高。说明所提出的ICEEMDAN-WOA-BP模型可为河川径流预测、水库水文预报和流域水资源管理等提供技术支撑。

Abstract

关键词

Keywords

references

基于人工电场算法优化的大型灌区径流预测模型研究[J]. 王肖鑫;岑威钧;李昭辉;吴光华.水资源与水工程学报,2022(04)

改进鲸鱼算法优化混合核支持向量机在径流预测中的应用[J]. 周有荣;王凯.中国农村水利水电,2020(07)

基于PCA和BP神经网络的径流预测[J]. 聂敏;刘志辉;刘洋;姚俊强.中国沙漠,2016(04)

An Ensemble Empirical Mode Decomposition, Self-Organizing Map, and Linear Genetic Programming Approach for Forecasting River Streamflow[J]. Jonathan T. Barge;Hatim O. Sharif.Water,2016

The Whale Optimization Algorithm[J]. Seyedali Mirjalili;Andrew Lewis.Advances in Engineering Software,2016

Improved complete ensemble EMD: A suitable tool for biomedical signal processing[J]. Marcelo A. Colominas;Gastón Schlotthauer;María E. Torres.Biomedical Signal Processing and Control,2014

浏览量

246

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于DD-ACMD-PSA-TCN-GRELM耦合模型的日径流预测

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ICEEMDAN和CNN-LSTM-ATTENTION的抽水蓄能机组振动预测

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