基于马尔科夫链的BP-SVM模型的径流预测

• 作者: 张洁铭 徐冬梅 王文川 郑野
• 来源期刊: 水利水电技术
• 学科: 工学
• 关键词: BP神经网络 HHO-SVM模型 马尔科夫链 径流预报 模型耦合
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 水文水资源
• 页码范围: 78-84
• 页数: 7页
• 分类号: TV124
• 语种: 中文
• DOI: 10.13928/j.cnki.wrahe.2020.11.009

摘要

为提高年径流预测的精度,以呼兰河下游兰西水文站1959-2014年的年径流数据作为输出,相应的流域气象数据作为输入,将BP神经网络和支持向量机(SVM)相结合,构建基于马尔科夫链修正的BP-SVM预测模型,运用该模型对呼兰河流域的年径流进行预测.采用哈里斯鹰群算法(HHO)优化支持向量机参数,构建HHO-SVM模型,并进行年径流预测,利用训练好的BP神经网络对年径流进行预测,分别运用马尔科夫链对两种模型的预测结果进行修正,通过最小二乘法确定模型组合权重,将两模型的预测结果进行组合,得到最终的年径流预测值.研究结果表明:HHO-SVM模型预测结果优于BP神经网络预测值;经马尔科夫链修正后,BP神经网络预测值精度提高较大,经最小二乘法组合后的预测结果平均相对误差为11.36％,确定性系数为0.95,合格率达90.91％.哈里斯鹰群算法(HHO)能较好的解决支持向量机参数优化问题,马尔科夫链的修正在一定程度能提高了各个模型的预测精度,提出的混合模型为年径流预测提供了一种新的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑野		13	14	2.0	3.0
2	王文川		81	387	11.0	17.0
3	徐冬梅		48	245	10.0	14.0
4	张洁铭		1	0	0.0	0.0