WPD-COA-ELM模型在汛期月降水量时间序列预测中的应用研究

2024-04-11 水文180 1.68M 0

针对月降水量时间序列多尺度非平稳性特点,提出小波包分解(WPD)-白骨顶鸟优化算法(COA)-极限学习机(ELM)相融合的降水量预测模型。首先,利用WPD将非平稳月降水量时间序列分解为若干子序列分量;然后在不同维度条件下利用6个典型函数对COA进行仿真测试;利用COA优化ELM输入层权值和隐含层偏值,对每一个子序列分量分别建立COA-ELM模型进行预测,将预测结果叠加重构后即为最终预测结果;最后,以云南省龙潭站汛期和主汛期月降水量数据为例进行实验,并与WPDCOA-BP、WPD-ELM、WPD-BP预测模型进行比较。结果表明:COA在不同维度条件下均具有较好的寻优精度和全局搜索能力。WPD-COA-ELM模型对实例汛期、主汛期月降水量时间序列预测的平均绝对百分比误差分别为3.91%、3.59%,预测精度优于WPD-COA-BP模型,远优于WPD-ELM、WPD-BP模型。WPD能科学降低月降水时间序列数据的复杂性,提高预测效果;COA能有效优化ELM输入层权值和隐含层偏值,提高ELM网络性能。


0 引言

1 研究方法

    1.1 小波包分解(WPD)

    1.2 白骨顶鸟优化算法(COA)

        1.2.1 COA算法数学描述

        1.2.2 COA仿真验证

    1.3 极限学习机(ELM)

    1.4 WPD-COA-ELM建模流程

2 实例应用

    2.1 小波包分解时序数据

    2.2 时间序列建模

    2.3 参数设置及预测分析

        2.3.1 参数设置

        2.3.2 预测结果分析

3 结论




您还没有登录,请登录后查看详情



 
举报收藏 0打赏 0评论 0
本类推荐
下载排行
网站首页  |  关于我们  |  联系方式  |  用户协议  |  隐私政策  |  版权声明  |  网站地图  |  排名推广  |  广告服务  |  积分换礼  |  网站留言  |  RSS订阅  |  违规举报  |  蜀ICP备2024057410号-1