水文預(yù)報(bào)是水資源優(yōu)化配置的重要前提,而傳統(tǒng)預(yù)報(bào)方法普遍存在預(yù)測(cè)精度低的問(wèn)題,為提高水文預(yù)報(bào)的準(zhǔn)確性,提出了一種混合數(shù)據(jù)驅(qū)動(dòng)模型用于月徑流預(yù)測(cè),即奇異譜分析—灰狼優(yōu)化—支持向量回歸(SSA-GWO-SVR)模型。該模型通過(guò)SSA對(duì)徑流數(shù)據(jù)進(jìn)行去噪處理來(lái)提高徑流序列的平穩(wěn)性和可預(yù)測(cè)性,采用GWO對(duì)SVR模型的參數(shù)進(jìn)行聯(lián)合選優(yōu),從而增強(qiáng)模型的泛化能力。通過(guò)黑河正義峽的月徑流預(yù)測(cè)進(jìn)行模型驗(yàn)證,以平均絕對(duì)誤差(MAE)、均方根誤差(RMSE)、相關(guān)系數(shù)(R)和納什效率系數(shù)(NSEC)為模型評(píng)價(jià)標(biāo)準(zhǔn)。實(shí)驗(yàn)結(jié)果表明該模型的預(yù)測(cè)精度明顯高于自回歸積分滑動(dòng)平均模型(ARIMA)、持續(xù)性模型(PM)、交叉驗(yàn)證-SVR(CV-SVR)和GWOSVR模型,并且它能很好地預(yù)測(cè)徑流峰值,說(shuō)明該模型是一種可靠的徑流預(yù)測(cè)模型,能夠更深入地捕獲水文徑流的內(nèi)在特性,為基于數(shù)據(jù)驅(qū)動(dòng)模型的水文預(yù)報(bào)提供了一種新方法。

【文章頁(yè)數(shù)】：10 頁(yè)

【文章目錄】：
1 引言
2 研究區(qū)域與徑流數(shù)據(jù)
3 研究方法
    3.1 SSA-GWO-SVR模型的建模流程及步驟
    3.2 關(guān)鍵技術(shù)
        3.2.1 奇異譜分析（SSA)
        3.2.2 支持向量回歸（SVR)
        3.2.3 灰狼優(yōu)化（GWO)
    3.3 模型評(píng)價(jià)
4 結(jié)果與分析
5 結(jié)語(yǔ)



本文編號(hào)：3802820