基于PSO-Elman修正模型的年径流预测

作者：王文川; 王莉芳; 郭安强

来源：人民长江, 2022, 53(11): 66-71.

DOI：10.16232/j.cnki.1001-4179.2022.11.011

• 径流预测
• Elman神经网络
• 粒子群算法
• PSO-Elman模型
• 马尔科夫链
• 呼兰河

为进一步改善长期多因子径流模拟效果，提出了基于马尔科夫链修正的PSO和Elman耦合的径流模拟模型。该模型采用PSO算法优化Elman模型的参数，然后将优化后的参数值分配给Elman模型作为网络训练的参数，再运用马尔科夫链对初始预测值进行修正，得到最终预测值。将提出的模型应用于松花江支流呼兰河兰西水文站的年径流深模拟预测中，并与传统Elman模型、简单线性回归模型、PSO-Elman模型进行对比。结果表明：优化参数后的模型预测效果优于传统神经网络模型和简单线性回归模型，PSO-Elman模型较传统Elman模型平均相对误差和均方根误差减少了49.1%,30.2%,确定性系数由0.32提升至0.67;较简单线性回归模型平均相对误差和均方根误差减少了61.2%,37.7%,确定性系数由0.14提升至0.67;经马尔科夫链模型残差修正后，PSO-Elman组合预测模型平均相对误差和均方根误差减少了57.7%,52.2%,确定性系数由0.67提升至0.92。提出的模型不但精度有显著提高，且计算过程简便，是一种有较强应用价值的年径流预报模型。

• 单位
  华北水利水电大学