基于WPD-TSO-ELM模型的月径流时间序列预测

作者：李新华; 崔东文^*

来源：水力发电, 2022, 48(09): 9-44.

• 月径流预测
• 小波包分解
• 金枪鱼优化算法
• 极限学习机
• 仿真测试

为提高径流时间序列预测精度，减少计算规模，基于“分解-预测-重构”思想，提出小波包分解(WPD)-金枪鱼优化(TSO)算法-极限学习机(ELM)组合预测模型，并应用于云南省龙潭站、革雷站月径流预测。结果表明，TSO算法具有较好的寻优精度和全局搜索能力，寻优精度优于HHO、GWO、SFO、PSO算法。WPD-TSO-ELM模型对实例龙潭站、革雷站月径流预测的平均绝对百分比误差分别为0.175%、0.121%,预测误差小于WPD2-TSO-ELM模型，较WPD1-TSO-ELM、SSA-TSO-ELM、VMD-TSO-ELM模型降低1个数量级以上。WPD-TSO-ELM模型预测精度高、计算规模小，是一种简洁高效的径流时间序列预测模型。