1. 杭州华辰电力控制工程有限公司
2. 华东勘测设计研究院有限公司
3. 淮阴工学院自动化学院
纸质出版:2025
移动端阅览
刘月馨, 王雪峰, 王顺, 等. 基于SGMD-ReOSELM和误差校正的日径流预报方法[J]. 水电能源科学, 2025,43(10):23-27.
刘月馨, 王雪峰, 王顺, et al. 基于SGMD-ReOSELM和误差校正的日径流预报方法[J]. 2025, 43(10): 23-27.
刘月馨, 王雪峰, 王顺, 等. 基于SGMD-ReOSELM和误差校正的日径流预报方法[J]. 水电能源科学, 2025,43(10):23-27. DOI: 10.20040/j.cnki.1000-7709.2025.20242286.
刘月馨, 王雪峰, 王顺, et al. 基于SGMD-ReOSELM和误差校正的日径流预报方法[J]. 2025, 43(10): 23-27. DOI: 10.20040/j.cnki.1000-7709.2025.20242286.
由于径流过程的非线性和不稳定性,给预测工作带来难度。为了提高径流过程预测精度,提出将辛几何模态分解(SGMD)、正则化在线顺序极限学习机(ReOSELM)和误差校正结合的短期径流预测模型。该模型首先采用SGMD分解对原始流量数据进行分解,降低原始序列的复杂度,并使用ReOSELM模型对分解数据进行预测并累加得到预测值;其次将真实值与预测值对比得到误差结果,再将误差结果组成新的数据集输入到ReOSELM模型中,得到误差预测结果;最后再使用误差预测结果与原始预测结果进行相加得到经过校正后的预测结果。以湘潭水文站点2008~2020年的日径流数据作为输入数据,并将该模型与LSTM、ReOSELM、EMD-ReOSELM、SGMD-ReOSELM模型进行对比分析。结果表明,所建立的模型有更好的预报精度,在径流过程预测领域具有良好的应用前景。
Haiyang Pan,Yu Yang,Xin Li,Jinde Zheng,Junsheng Cheng.Symplectic geometry mode decomposition and its application to rotating machinery compound fault diagnosis[J].Mechanical Systems and Signal Processing,2019.
衣学军,魏守科,石玉好,付常璐,邢昱臻,闫杰,赵金东.基于小波非线性自回归网络的水文预测模型[J].计算机技术与发展,2021(03).
蔡文静,陈伏龙,何朝飞,骆成彦,龙爱华.基于时频分析的LSTM组合模型径流预测[J].干旱区地理,2021(06).
何健,余宇峰,冯胜男,邓劲柏,李凯.智能水文预报模型的研究与应用[J].江苏水利,2023(10).
钱玉霞,陈伏龙,何朝飞,龙爱华,孙怀卫,吕廷波.“分解-校正-集成”模式下基于深度信念网络模型的径流预测[J].长江科学院院报,2024(05).
毛钦男,刘招,李杰,王舒民,张庭豪.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).
万锦,马彪,刘为锋.基于径流特性分解的月径流集成预测模型研究[J].水电能源科学,2024(05).
0
浏览量
28
下载量
CSCD
关联资源
相关文章
相关作者
相关机构