文献类型：期刊文章

作　　者：包丽娜[1] 唐德善[2] 胡晓波[1] 楚士冀[1]

BAO Li-na;TANG De-shan;HU Xiao-bo;CHU Shi-ji(International Center on Small Hydropower,Hangzhou310002,China;College of Water-conservancy and Hydropower Engineering,Hohai University,Nanjing 210098,China)

机构地区：[1]国际小水电中心,杭州310002 [2]河海大学水利水电学院,南京210098

出　　处：《长江科学院院报》

基　　金：国家自然科学基金项目(51279047)

年　　份：2018

卷　　号：35

期　　号：12

起止页码：18-21

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2017_2018、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为改善传统径流预测模型对随机性时间序列的预测效果并不理想的现状,构建基于小波分解及Arima误差修正的径流预测模型。应用小波分解法将径流时间序列进行分解和重构,使非平稳、随机性的径流时间序列平稳化,对数据样本预处理后建立以相关向量机(RVM)为理论基础的径流预测模型,并采用改进粒子群算法进行核函数全局寻优,最后对模型拟合残差进行Arima误差修正。通过实例计算得到传统支持向量机(SVM)模型、RVM模型和径流预测模型的预测值平均误差分别为8. 60%,9. 02%和3. 64%。结果表明:通过小波分解及重构方法对非平稳时间序列的预处理可有效提高预测精度,同时Arima误差修正也有很好的效果,相比于SVM模型、RVM模型,基于小波分解及Arima误差修正的径流预测模型具有更高的预测精度,在实际工程中具有一定的可行性。

关 键 词：径流预测 小波分解 相关向量机 预测精度  Arima误差修正  

分 类 号：TV121.2]