基于GEO-RVM模型的枯水期月径流预报研究

作者：张亚杰; 崔东文^*

来源：人民珠江, 2022, 43(08): 93-99.

• 月径流预测
• 相关向量机
• 金雕优化算法
• 数据降维
• 参数优化
• 枯水期

为提高枯水期月径流预测精度，研究提出金雕优化(GEO)算法与相关向量机(RVM)相融合的预测方法。基于云南省某水文站67 a的径流资料，选取预报月之前具有较好相关性的月径流作为预报影响因子，通过主成分分析(PCA)对影响因子进行降维处理，利用GEO算法优化RVM核宽度因子和超参数，建立GEO-RVM模型对该站枯水期11月、12月和次年1—4月月径流进行预报，预报结果与基于GEO算法优化的支持向量机(SVM)模型(GEO-SVM)作对比。结果表明：GEO-RVM模型对实例11月、12月和次年1—4月月径流预报的平均相对误差分别为8.59%、7.34%、5.97%、6.07%、5.99%、5.04%,预报精度优于GEO-SVM模型。GEO算法能有效优化RVM核宽度因子和超参数，GEO-RVM模型具有较好的预报精度，将其用于枯水期月径流预报是可行的。