WPT-HPO-ELM径流多步预报模型研究

作者：许建伟; 崔东文^*

来源：水资源与水工程学报, 2022, 33(06): 69-76.

• 径流预报
• 小波包变换
• 猎人猎物优化算法
• 极限学习机
• 多步预报
• 仿真测试

为提高径流时间序列多步预报精度，建立了小波包变换(WPT)-猎人猎物优化(HPO)算法-极限学习机(ELM)相融合的径流时间序列多步预报模型，并应用于云南省南康河水文站月径流和日径流时间序列多步预报。引入HPO算法原理，在不同维度条件下选取6个典型函数对HPO进行仿真验证；利用2层WPT将径流时序数据分解为4个子序列分量，达到降低径流序列数据复杂性和不平稳性的目的；采用HPO优化ELM输入层权值和隐含层偏值，建立WPT-HPO-ELM模型对实例月径流和日径流进行多步预报。结果表明：HPO算法具有较好的寻优精度和全局搜索能力；WPT-HPO-ELM模型对预见期为1～3个月的月径流具有理想的预报效果，预报的平均绝对百分比误差≤2.43%,合格率≥99.2%,确定性系数≥0.999;对预见期为4～6个月的月径流具有较好的预报效果，预报的平均绝对百分比误差≤15.0%,合格率≥73.3%,确定性系数≥0.991;当预见期≥7个月时，预报效果较差。对预见期为1～3 d的日径流具有理想的预报效果，预报的平均绝对百分比误差≤1.23%,合格率为100%,确定性系数≥0.999;对预见期为4～7 d的日径流具有较好的预报效果，预报的平均绝对百分比误差≤15.3%,合格率≥73.0%,确定性系数≥0.947;当预见期≥8 d时，预报效果较差。WPT-HPO-ELM模型能充分发挥WPT、HPO和ELM的优势，表现出较高的预报精度和稳定性能，预报误差随着预见期的增加而增大，该模型及方法可为径流时间序列多步预报提供新途径。

• 单位
  云南省水利水电勘测设计研究院