分解-集成径流预测模型性能“高低”差异机理与特性分析

王庆杰; 岳春芳; 刘长升; 朱灵芝

doi:10.20040/j.cnki.1000-7709.2025.20241363

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 >

分解-集成径流预测模型性能“高低”差异机理与特性分析

水文水资源与环境 | 更新时间：2026-02-25

- 分解-集成径流预测模型性能“高低”差异机理与特性分析
- 分解-集成径流预测模型性能“高低”差异机理与特性分析
- 水电能源科学 2025年43卷第6期页码：1-5+18
- 作者机构：
  
  1. 四川水发勘测设计研究有限公司
  2. 新疆农业大学水利与土木工程学院
- 作者简介：
- 基金信息：
  
  新疆维吾尔自治区重大科技专项项目(2022A02003-5)
- DOI：10.20040/j.cnki.1000-7709.2025.20241363
  中图分类号： P338
- 纸质出版：2025
- 稿件说明：
移动端阅览
王庆杰, 岳春芳, 刘长升, 等. 分解-集成径流预测模型性能“高低”差异机理与特性分析[J]. 水电能源科学, 2025,43(6):1-5+18.

王庆杰, 岳春芳, 刘长升, et al. 分解-集成径流预测模型性能“高低”差异机理与特性分析[J]. 2025, 43(6): 1-5+18.
王庆杰, 岳春芳, 刘长升, 等. 分解-集成径流预测模型性能“高低”差异机理与特性分析[J]. 水电能源科学, 2025,43(6):1-5+18. DOI： 10.20040/j.cnki.1000-7709.2025.20241363.

王庆杰, 岳春芳, 刘长升, et al. 分解-集成径流预测模型性能“高低”差异机理与特性分析[J]. 2025, 43(6): 1-5+18. DOI： 10.20040/j.cnki.1000-7709.2025.20241363.

摘要

分解-集成模型能显著提高预测精度，但部分模型不恰当地使用测试集数据，其高精度的预测结果备受质疑。基于数据分布特性分析技术评估分析后验试验框架(HE)和预测试验框架(FE)2类典型分解-集成模型的性能差异机理，以2个典型水库的月径流预测为例，以误差逆传播神经网络(BP)、支持向量机(SVM)、随机森林(RF)为基准模型，以变分模态分解(VMD)和互补集合经验模态分解(CEEMD)为分解算法分别构建模型，在分析各类模型预测结果的基础上，综合利用高斯核密度估计、偏度、样本熵等技术识别各类模型训练集与测试集的数据分布特性。从预测精度看，HE训练集和测试集上的预测精度远高于单一模型；FE在训练集上与HE模型相近，在测试集上远低于单一模型。从训练集、测试集分布特性上看，训练集上单一模型的偏度值为2.03

而HE、FE模型各分解分量的偏度介于0～1.52之间；训练集、测试集的样本熵差异在单一模型上为0.13

在HE、FE模型各分解分量上分别介于0.01～0.25、0.47～1.18之间。HE使用整体分解方式，分解后训练数据的复杂程度低、代表性强，建立的模型拟合性能高、预测性能强；FE使用并行—分步分解方式，训练数据—测试数据间出现显著的协变量偏移，建立的模型拟合性能虽高但预测性能不达标。研究结果可为分解—集成预测建模的改进提供参考。

Abstract

关键词

Keywords

references

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].水电能源科学,2025(03).

张璐,刘真,李磊,刘心.基于VMD-PSR-BNN模型的月径流预测方法研究[J].中国农村水利水电,2023(04).

刘嘉辉,秦仙蓉,王玉龙,孙远韬,张氢.基于双树复小波变换与样本熵的自适应降噪法[J].振动.测试与诊断,2022(02).

Zuo Ganggang,Luo Jungang,Wang Ni,Lian Yani,He Xinxin.Two-stage variational mode decomposition and support vector regression for streamflow forecasting[J].Hydrology and Earth System Sciences,2020.

Zheng Qian,Yan Pei,Hamidreza Zareipour,Niya Chen.A review and discussion of decomposition-based hybrid models for wind energy forecasting applications[J].Applied Energy,2019.

Wei Fang,Shengzhi Huang,Kun Ren,Qiang Huang,Guohe Huang,Guanhui Cheng,Kailong Li.Examining the applicability of different sampling techniques in the development of decomposition-based streamflow forecasting models[J].Journal of Hydrology,2018.

Yu Xiang,Ling Gou,Lihua He,Shoulu Xia,Wenyong Wang.A SVR–ANN combined model based on ensemble EMD for rainfall prediction[J].Applied Soft Computing Journal,2018.

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.

Ramendra Prasad,Ravinesh C. Deo,Yan Li,Tek Maraseni.Input selection and performance optimization of ANN-based streamflow forecasts in the drought-prone Murray Darling Basin region using IIS and MODWT algorithm[J].Atmospheric Research,2017.

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).

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).

浏览量

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

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

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