基于CEEMDAN-QPSO-BLS模型的径流预测研究.pdfVIP

基于CEEMDAN-QPSO-BLS模型的径流预测研究.pdf

  1. 1、本文档共8页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

中国农村水利水电

ChinaRuralWaterandHydropower101

文章编号:1007-2284(2024)01-0101-08水文水资源

基于CEEMDAN-QPSO-BLS模型

的径流预测研究

12

刘扬,赵丽

(1.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;

2.华北水利水电大学信息工程学院,河南郑州450046)

摘要:准确的径流预测是水资源优化配置和高效利用的前提,是制定防洪减灾决策的基础,然而受到人类活动、环

境、气候等因素的影响,径流序列呈现出非线性、非稳态、多尺度变化的特点,这为径流的精准预测增加了难度。为提高

径流预测的精准度和可信度,结合自适应噪声完备集合经验模态分解(CompleteEnsembleEmpiricalModeDecomposition

withAdaptiveNoise,CEEMDAN)方法,量子粒子群优化算法(QuantumParticleSwarmOptimization,QPSO)、宽度学习系统

(BroadLearningSystem,BLS)模型,提出了一种基于CEEMDAN-QPSO-BLS组合式的径流预测模型。该组合模型首先

使用CEEMDAN方法对原始径流信号进行分解,得到若干相对平稳的本征模态分量。其次利用QPSO算法对BLS模型的

特征层节点组数、增强层节点组数和组内节点数进行寻优,得到最优的宽度学习网络拓扑结构,进而使用最优的QPSO-

BLS对多个稳态分量进行预测,并对预测分量进行重构,从而获得更高的预测精度。以黄河流域小浪底水库的日径流值

为实验数据,将EMD-QPSO-BLS、QPSO-BLS作为CEEMDAN-QPSO-BLS的对比模型,并采用纳什效率系数(NSE)、均方

根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)作为模型预测可信度和精准度的评价指标。实验

表明,在预见期4天内,与QPSO-BLS、EMD-QPSO-BLS模型相比,CEEMDAN-QPSO-BLS的预测精准度分别提高了

79.87%、19.80%,可信度分别提高了131.2%、10.98%,径流预测精度的提高,可为防洪抗旱保护人民生命财产和可持续发

展提供决策支持。

关键词:径流预测;宽度学习;量子粒子群;CEEMDAN;EMD

中图分类号:P338文献标识码:ADOI:10.12396/znsd.221701

刘扬,赵丽.基于CEEMDAN-QPSO-BLS模型的径流预测研究[J].中国农村水利水电,2024(1):101-108.DOI:10.12396/znsd.221701.

LIUY,ZHAOL.RunoffpredictionandanalysisbasedonCEEMDAN-QPSO-BLSmethod[J].ChinaRuralWaterandHydropower,2024

(1):101-108.DOI:10.12396/znsd.221701.

RunoffPredictionandAnalysisBasedonCEEMDAN-QPSO-BLSMethod

文档评论(0)

经管专家 + 关注
实名认证
文档贡献者

各类文档大赢家

版权声明书
用户编号:6055234005000000

1亿VIP精品文档

相关文档