原创力文档- 1、本文档共8页，可阅读全部内容。
- 2、原创力文档（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、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、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、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 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、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、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
第５０卷第３期
水力发电２０２４年３月
基于ＷＰＴ￣ＩＳＯ￣ＲＥＬＭ模型的月径流
时间序列预测研究
１１２
王应武ꎬ白栩嘉ꎬ崔东文
(１云南省水利水电勘测设计研究院ꎬ云南昆明６５００２１ꎻ
２云南省文山州水务局ꎬ云南文山６６３０００)
摘要:为提高月径流时间序列的预测精度ꎬ提升基本蛇群优化(ＳＯ)算法搜索能力ꎬ同时提升正则化极限学习机
(ＲＥＬＭ)预测性能ꎬ提出了小波包变换(ＷＰＴ)￣改进蛇群优化(ＩＳＯ)算法￣ＲＥＬＭ预测模型ꎮ首先ꎬ利用ＷＰＴ将月径
流时间序列分解为低频分量和高频分量ꎻ其次ꎬ通过构建８个ＲＥＬＭ超参数寻优适应度函数对ＩＳＯ寻优能力进行检
验ꎬ并与ＳＯ算法、灰狼优化(ＧＷＯ)算法、变色龙群算法(ＣＳＡ)、鲸鱼优化算法(ＷＯＡ)、樽海鞘群体算法(ＳＳＡ)、
侏獴优化算法(ＤＭＯ)、粒子群优化算法(ＰＳＯ)的优化结果作对比ꎻ最后ꎬ建立ＷＰＴ￣ＩＳＯ￣ＲＥＬＭ模型ꎬ并构建包含
ＷＰＴ￣ＳＯ￣ＲＥＬＭ在内的１７种模型作对比模型ꎬ通过黑河流域莺落峡水文站、讨赖河水文站２个月径流预测实例对各
模型进行验证ꎮ结果表明:①ＩＳＯ寻优精度优于ＳＯ、ＧＷＯ、ＣＳＡ、ＷＯＡ、ＳＳＡ、ＤＭＯ、ＰＳＯꎬ通过关键参数的改进ꎬ
能有效提升ＩＳＯ的极值寻优能力和平衡能力ꎻ②ＷＰＴ￣ＩＳＯ￣ＲＥＬＭ模型对莺落峡水文站、讨赖河水文站月径流预测的
３
平均绝对百分比误差分别为０８５４％、０４４７％ꎬ平均绝对误差分别为０２４５、００６８ｍ/ｓꎬ纳什效率系数均在０９９９９
以上ꎬ优于其他对比模型ꎬ具有更高的预测精度和更好的稳健性ꎻ③ＩＳＯ对于高维和低维问题均具有较好的优化效
果ꎬ算法寻优能力对提升ＲＥＬＭ预测精度十分关键ꎬ算法优化性能越强ꎬ寻优精度越高ꎬ由此获得的ＲＥＬＭ超参数
越优ꎬ所构建的模型预测性能越好ꎮ
关键词:月径流预测ꎻ正则化极限学习机ꎻ改进蛇群优化算法ꎻ小波包变换ꎻ群体智能算法ꎻ超参数优化
ＲｅｓｅａｒｃｈｏｎＭｏｎｔｈｌｙＲｕｎｏｆｆＴｉｍｅＳｅｒｉｅｓＰｒｅｄｉｃｔｉｏｎＢａｓｅｄｏｎＷＰＴ￣ＩＳＯ￣ＲＥＬＭＭｏｄｅｌ
１１２
ＷＡＮＧＹｉｎｇｗｕＢＡＩＸｕｊｉａＣＵＩＤｏｎｇｗｅｎ
１.ＹｕｎｎａｎＰｒｏｖｉｎｃｉａｌＩｎｓｔｉｔｕｔｅｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＨｙｄｒｏｐｏｗｅｒＳｕｒｖｅｙ
文档评论（0）