首页|基于马尔科夫链的BP-SVM模型的径流预测

基于马尔科夫链的BP-SVM模型的径流预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为提高年径流预测的精度,以呼兰河下游兰西水文站1959-2014年的年径流数据作为输出,相应的流域气象数据作为输入,将BP神经网络和支持向量机(SVM)相结合,构建基于马尔科夫链修正的BP-SVM预测模型,运用该模型对呼兰河流域的年径流进行预测.采用哈里斯鹰群算法(HHO)优化支持向量机参数,构建HHO-SVM模型,并进行年径流预测,利用训练好的BP神经网络对年径流进行预测,分别运用马尔科夫链对两种模型的预测结果进行修正,通过最小二乘法确定模型组合权重,将两模型的预测结果进行组合,得到最终的年径流预测值.研究结果表明:HHO-SVM模型预测结果优于BP神经网络预测值;经马尔科夫链修正后,BP神经网络预测值精度提高较大,经最小二乘法组合后的预测结果平均相对误差为11.36％,确定性系数为0.95,合格率达90.91％.哈里斯鹰群算法(HHO)能较好的解决支持向量机参数优化问题,马尔科夫链的修正在一定程度能提高了各个模型的预测精度,提出的混合模型为年径流预测提供了一种新的方法.
Runoff prediction based on BP-SVM model of Markov Chain

王文川、张洁铭、郑野、徐冬梅

展开 >

华北水利水电大学水资源学院,河南郑州 450046

华北水利水电大学外国语学院,河南郑州 450046

BP神经网络 HHO-SVM模型 马尔科夫链 径流预报 模型耦合

河南省高校科技创新团队河南省重点研发与推广专项国家自然科学基金国家自然科学基金

18IRTSTHN0092021023102595150908851709108

2020

10.13928/j.cnki.wrahe.2020.11.009

水利水电技术(中英文)
水利部发展研究中心

水利水电技术(中英文)

CSTPCD北大核心
影响因子：0.456
ISSN：1000-0860
年,卷(期)：2020.51(11)
  • 9
  • 8