首页|基于EEMD-PSO-GRNN模型的元江中上游径流预测

基于EEMD-PSO-GRNN模型的元江中上游径流预测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
径流序列的非线性和非平稳特性使得高精度的径流预报存在困难.以组合EEMD和粒子群算法(PSO)优化的GRNN模型形成EEMD-PSO-GRNN耦合模型,预测时通过将径流序列分解为确定成分与随机成分并通过PSO优化的GRNN模型分别进行预测,预测值的加和构成径流最终预测结果.EEMD-PSO-GRNN耦合模型应用到元江中上游,并与其他模型进行比较,结果表明:EEMD-PSO-GRNN耦合模型具有更高的预测精度,对径流的总体趋势预测效果良好,但在随机成分的模拟上有待进一步完善.EEMD-PSO-GRNN耦合模型优于BP、GRNN、EEMD-BP、EEMD-GRNN模型,能有效提升径流预测的精度,可为流域中长期径流预报及水资源优化调度等提供支撑.
Runoff Prediction in the Middle and Upper Reaches of Yuanjiang River Based on EEMD-PSO-GRNN Model

runoff predictionEEMDGRNNparticle swarm algorithmYuanjiang River

郑鑫、陈俊旭、胡智文、张帆、张继辉

展开 >

云南大学 地球科学学院,云南 昆明 650500

云南大学 国际喀斯特联合研究中心,云南 昆明 650500

径流预测 集合经验模态分解 GRNN神经网络 粒子群算法 元江

云南省基础研究计划国家自然科学基金国家自然科学基金云南省教育厅科学研究基金

2019FB14542161006417010392020Y0035

2023

10.19797/j.cnki.1000-0852.20210493

水文
水利部水文局 水利部水利信息中心

水文

CSTPCDCSCD北大核心
影响因子：0.742
ISSN：1000-0852
年,卷(期)：2023.43(4)
  • 1
  • 13