基于小波包分解-非洲秃鹫优化算法-深度极限学习机的水文预报模型及其应用

作者：王忠义; 崔东文^*

来源：水电能源科学, 2022, 40(08): 26-31.

DOI：10.20040/j.cnki.1000-7709.2022.20211864

• 水文预报
• 小波包分解
• 非洲秃鹫优化算法
• 深度极限学习机

针对水文序列多尺度、非线性、非平稳性特点，将小波包分解(WPD)与非洲秃鹫优化算法(AVOA)—深度极限学习机(DELM)相结合，建立WPD-AVOA-DELM组合预测模型，利用AVOA优化DELM输入层权值、隐含层偏值或隐含层神经元数，分别建立WPD-AVOA-DELM1(优化DELM输入层权值、隐含层偏值)、WPD-AVOA-DELM2(优化DELM隐含层神经元数)模型，利用WPD将云南省革雷站水文序列分解为8个子序列分量，对各子序列分量进行预报，将预报结果加和重构得到最终预报结果。结果表明，WPD-AVOA-DELM1、WPD-AVOA-DELM2模型对革雷站月径流、月降水量、年径流、年降水量预报的平均相对误差分别为1.86%、8.82%、0.79%、0.52%和1.97%、8.30%、0.92%、0.71%,预报精度远高于单一模型AVOA-DELM1、AVOA-DELM2、AVOA-SVM,高于组合模型WPD-AVOA-SVM,具有更好的预报效果。可见WPD能科学降低水文序列的复杂性，提高预报精度；AVOA能有效优化DELM关键参数，提高DELM网络性能。