基于BP和LSSVM的径流分频预测模型构建

作     者：张炳林 李俊 宋松柏 ZHANG Binglin;LI Jun;SONG Songbai

作者机构：西北农林科技大学水利与建筑工程学院陕西杨凌712100 海南大学生态与环境学院海南海口570100 

出 版 物：《干旱地区农业研究》 (Agricultural Research in the Arid Areas)

年 卷 期：2024年第42卷第3期

页      面：254-263,275页

核心收录：

学科分类：082802[工学-农业水土工程] 08[工学] 0828[工学-农业工程] 09[农学] 081501[工学-水文学及水资源] 0815[工学-水利工程] 0903[农学-农业资源与环境] 

基　　金：国家自然科学基金项目(52369002) 海南省自然科学基金项目(423QN211) 

主　　题：径流预测 经验模态分解 变分模态分解 样本熵 神经网络 支持向量机 

摘      要：针对径流序列具有较强的随机性和波动性特征,提出一种短期月径流预测混合模型CEEMDAN-VMD-(BP,LSSVM)-LSSVM。首先利用自适应白噪声完整集成经验模态分解(CEEMDAN,complete ensemble empirical mode decomposition with adaptive noise)将径流序列分解为高频、中频和低频分量,再利用变分模态分解(VMD,variational mode decomposition)方法进一步分解高频分量,并根据样本熵对两次分解得到的子序列进行整合,采用麻雀搜索算法优化的反向传播神经网络(BP,back-propagation neural network)和最小二乘支持向量机(LSSVM,least square support vector machine)分别预测高频分量和中低频分量,最后将不同频率分量训练期的拟合值作为LSSVM的输入,进行二次预测得到最终的径流预测结果。将提出的模型应用于黑河流域莺落峡站和祁连站的月径流预测,验证期相关系数和纳什效率系数均达到0.99以上,对比其他8组对照模型,该模型具有更高的预测精度,可以应用于实际的短期月径流预测。