基于GEO-RVM模型的枯水期月径流预报研究

• 作者: 张亚杰 崔东文
• 来源期刊: 人民珠江
• 关键词: 月径流预测 相关向量机 金雕优化算法 数据降维 参数优化 枯水期
• 年，卷（期）: 2022,（8）
• 所属期刊栏目: 综合
• 页码范围: 93-99
• 页数: 6页
• 分类号: P338
• 语种: 中文
• DOI: 10.3969/j.issn.1001-9235.2022.08.015

摘要

为提高枯水期月径流预测精度,研究提出金雕优化(GEO)算法与相关向量机(RVM)相融合的预测方法。基于云南省某水文站67 a的径流资料,选取预报月之前具有较好相关性的月径流作为预报影响因子,通过主成分分析(PCA)对影响因子进行降维处理,利用GEO算法优化RVM核宽度因子和超参数,建立GEO-RVM模型对该站枯水期11月、12月和次年1—4月月径流进行预报,预报结果与基于GEO算法优化的支持向量机(SVM)模型(GEO-SVM)作对比。结果表明:GEO-RVM模型对实例11月、12月和次年1—4月月径流预报的平均相对误差分别为8.59%、7.34%、5.97%、6.07%、5.99%、5.04%,预报精度优于GEO-SVM模型。GEO算法能有效优化RVM核宽度因子和超参数,GEO-RVM模型具有较好的预报精度,将其用于枯水期月径流预报是可行的。