首页|基于改进EMD-SSA-KELM的用水量预测方法研究

基于改进EMD-SSA-KELM的用水量预测方法研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对用水量具有波动性和不确定性,且预测时存在精度低、可信度差等问题,提出了改进经验模态分解法与麻雀搜索算法优化核极限学习机的组合预测模型.首先使用长短期记忆网络对人民胜利渠的原始引黄用水量序列进行极值延拓,改进经验模态分解法的端点效应;然后通过改进后的经验模态分解法将时序信号分解为若干个本征模态分量,使原始用水量信号平稳化;最后利用麻雀搜索算法优化核极限学习机,对原始用水量序列与通过改进后经验模态分解方法的用水量序列进行预测对比.结果表明:基于改进后经验模态分解方法有效地抑制了端点效应,模型预测误差降低43.51％、可信度提高76.79％,因此采用改进经验模态分解方法有效地提高麻雀搜索算法优化核极限学习机组合模型的预测精度和可信度,在水资源预测中更具适应性.
Research on Water Consumption Prediction Method Based on Improved EMD-SSA-KELM

刘扬、杜帅兵

展开 >

华北水利水电大学 黄河流域水资源高效利用省部共建协同创新中心,河南 郑州450046

华北水利水电大学 信息工程学院,河南 郑州450046

用水量预测 经验模态分解 麻雀搜索算法 核极限学习机

河南省水利科技攻关项目

GG202042

2023

10.3969/j.issn.1000-1379.2023.06.014

人民黄河
水利部黄河水利委员会

人民黄河

CSTPCD北大核心
影响因子：0.494
ISSN：1000-1379
年,卷(期)：2023.45(6)
  • 1
  • 20