基于PSR和PSO的区域地下水埋深ELM预测模型

• 作者: 刘东 张玉国 曹伟征 李光轩
• 来源期刊: 水利水电技术
• 学科: 工学
• 关键词: 地下水埋深 粒子群算法 极限学习机 相空间重构 预测
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 水文水资源
• 页码范围: 47-53
• 页数: 7页
• 分类号: TV211.1+2
• 字数: 5205字
• 语种: 中文
• DOI: 10.13928/j.cnki.wrahe.2018.06.007

摘要

针对传统区域地下水埋深预测方法精度不高问题,提出一种基于相空间重构(PSR)、粒子群算法(PSO)的极限学习机(ELM)的非线性预测模型.首先利用C-C法对地下水埋深原始时序数据进行相空间重构(PSR),然后利用PSO-ELM对地下水埋深进行预测.将模型应用于中国黑龙江省红兴隆管理局红旗岭农场地下水埋深预测,结果表明:该模型取得了较好的预测效果,后验差比值C为0.074,小误差频率p为1,相对均方误差E1为6.36％,拟合准确率E2达到92.66％,试预报效果指标E3达到95.80％;与PSR-ELM、PSR-RBF等模型相比,PSR-PSO-ELM在试预报方面可使RMSE分别降低49％和70％,使误差区间分别降低28.2％和68.6％,证明PSO能够有效改善ELM模型的预测性能;分析了气候因素和人类活动对当地地下水埋深动态变化的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘东	东北农业大学水利与土木工程学院	126	881	15.0	20.0
2	张玉国		17	32	3.0	4.0
3	曹伟征		4	11	2.0	3.0
4	李光轩	东北农业大学水利与土木工程学院	2	7	2.0	2.0