文献类型：期刊文章

作　　者：吴小涛[1] 江敏[2] 孙洪军[3] 袁艳斌[4] 袁晓辉[5] 张东寅[6]

WU Xiao-tao;JIANG Min;SUN Hong-jun;YUAN Yan-bin;YUAN Xiao-hui;ZHANG Dong-yin(College of Mathematics and Statistics,Huanggang Normal University,Huanggang 438000,China;School of Foreign Languages,China University of Geosciences,Wuhan 430074,China;Shanghai Marine Equipment Research Institute,Shanghai 200031,China;School of Resources and Environmental Engineering,Wuhan University of Technology,Wuhan 430070,China;School of Hydropower and Information Engineering,Huazhong University of Science and Technology,Wuhan 430074,China;Economic&Technology Research Institute,State Grid Hubei Electric Power Supply Co.,Ltd,,Wuhan 430077,China)

机构地区：[1]黄冈师范学院数学与统计学院,湖北黄冈438000 [2]中国地质大学(武汉)外国语学院,湖北武汉430074 [3]上海船舶设备研究所,上海200031 [4]武汉理工大学资源与环境工程学院,湖北武汉430070 [5]华中科技大学水电与数字化工程学院,湖北武汉430074 [6]国网湖北省电力有限公司经济技术研究院,湖北武汉430077

出　　处：《水电能源科学》

基　　金：国家自然科学基金项目(41571514);黄冈师范学院博士基金项目(201828603)。

年　　份：2020

卷　　号：38

期　　号：9

起止页码：24-27

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、RCCSE、ZGKJHX、核心刊

摘　　要：针对径流序列不稳定导致预测精度不高的问题,提出一种基于变分模态分解(VMD)和蝗虫优化算法(GOA)优化相关向量机(RVM)的组合径流预测模型。首先对原始非平稳的径流序列采用VMD得到若干个相对稳定的分量序列,再分别建立RVM预测模型,并采用GOA优化RVM中核函数的参数,最后累加所有分量的预测值得到径流序列的预测值。实例结果发现,较传统的BP神经网络、支持向量机及基于经验模态分解的支持向量机等模型,该模型预测精度更高,预测结果能为水电站的经济运行、水资源的有效利用等提供决策依据。

关 键 词：径流预测 变分模态分解  蝗虫优化算法  相关向量机

分 类 号：TV124]