基于正则极限学习机的非平稳径流组合预测

• 作者: 周建中 孙娜
• 来源期刊: 水力发电学报
• 学科: 地球科学
• 关键词: 径流预报 样本熵 集合经验模式分解 正则化极限学习机 机器学习
• 年，卷（期）: 2018,（8）
• 页码范围: 20-28
• 页数: 9页
• 分类号: P338+.1
• 语种: 中文
• DOI: 10.11660/slfdxb.20180803

摘要

针对径流时间序列固有的强非线性和非平稳性特征,提出了一种将集合经验模式分解(EEMD)、样本熵(SE)和正则化极限学习机(RELM)相结合的非平稳日径流预测方法(ES-RELM).为充分提取径流序列的局部信息以提高预测精度,利用EEMD-SE将径流序列分解为一系列差异度明显的子序列,然后根据各子序列的迥异特征构建了不同的RELM模型对各子序列进行预测,最后将各个子序列的预测结果叠加从而得到最终预测结果.将该模型应用于金沙江下游控制站屏山站的日径流预报中,与九种模型对比结果表明,该方法能有效提高日径流预报精度,是一种高效稳定的径流预报模型,为实现高精度实时径流预报提供了可能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周建中	华中科技大学水电与数字化工程学院	395	5250	35.0	50.0
2	孙娜	华中科技大学水电与数字化工程学院	7	21	3.0	4.0