基于小波包分解的AJS-GMDH月径流时间序列预测研究

摘要：

为提高月径流时间序列预测精度,建立基于小波包分解(WPD)、人工水母搜索(AJS)算法、数据分组处理方法(GMDH)的WPD-AJS-GMDH月径流时间序列预测模型.采用WPD将月径流时序数据分解为若干子序列分量;选取6个典型函数在不同维度条件下对AJS算法进行仿真测试;利用AJS算法优化GMDH网络关键参数,建立WPD-AJS-GMDH模型,并构建基于支持向量机(SVM)、BP神经网络及完全集合经验模态分解(CEEMD)、小波分解(WD)的17种对比分析模型;最后利用云南省龙潭站1952年 ～2016年780组的月径流时间序列数据对所建立的18种模型进行检验.结果表明,在不同维度条件下,AJS算法均具有较好的寻优效果;WPD-AJS-GMDH模型预测误差均小于其他17种模型;对于月径流时序数据分解,WPD分解效果优于CEEMD、WD方法;AJS算法能有效优化GMDH网络参数,提高预测性能.

关键词：月径流预测、时间序列分解、人工水母搜索算法、数据分组处理方法、仿真测试

所属期刊栏目：48

分类号：TV121(水利工程基础科学)

在线出版日期：2022-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：45-51