首页|基于奇异谱分析—灰狼优化—支持向量回归混合模型的黑河正义峡月径流预测

基于奇异谱分析—灰狼优化—支持向量回归混合模型的黑河正义峡月径流预测

扫码查看
水文预报是水资源优化配置的重要前提,而传统预报方法普遍存在预测精度低的问题,为提高水文预报的准确性,提出了一种混合数据驱动模型用于月径流预测,即奇异谱分析—灰狼优化—支持向量回归(SSA-GWO-SVR)模型.该模型通过SSA对径流数据进行去噪处理来提高径流序列的平稳性和可预测性,采用GWO对SVR模型的参数进行联合选优,从而增强模型的泛化能力.通过黑河正义峡的月径流预测进行模型验证,以平均绝对误差(MAE)、均方根误差(RMSE)、相关系数(R)和纳什效率系数(NSEC)为模型评价标准.实验结果表明该模型的预测精度明显高于自回归积分滑动平均模型(ARIMA)、持续性模型(PM)、交叉验证-SVR(CV-SVR)和GWO-SVR模型,并且它能很好地预测径流峰值,说明该模型是一种可靠的径流预测模型,能够更深入地捕获水文径流的内在特性,为基于数据驱动模型的水文预报提供了一种新方法.
Monthly Runoff Prediction of Zhengyixia in the Heihe River based on Singular Spectrum Analysis-grey Wolf Optimizer-support Vector Regression Hybrid Model

王丽丽、李新、冉有华、郭彦龙

展开 >

中国科学院西北生态环境资源研究院甘肃省遥感重点实验室,甘肃兰州 730000

西北师范大学物理与电子工程学院,甘肃兰州 730070

中国科学院大学,北京 100049

中国科学院青藏高原研究所,北京 100101

中国科学院青藏高原地球科学卓越创新中心,北京 100101

展开 >

径流预测 数据驱动 奇异谱分析 灰狼优化 支持向量回归

中国科学院战略性先导科技专项国家自然科学基金中国科学院信息化项目西北师范大学青年教师科研能力提升计划项目

XDA2010010441630856XXH13505-06NWNU-LKQN2019-18

2020

遥感技术与应用
中国科学院遥感联合中心

遥感技术与应用

CSTPCDCSCD北大核心
影响因子:0.961
ISSN:1004-0323
年,卷(期):2020.35(2)
  • 20
  • 26