基于ESMD-VMD-ESN二次分解组合模型的水位预测

• 作者: 李昂 张坤 桑宇婷 毕婉
• 来源期刊: 人民珠江
• 关键词: 水位预测 ESMD VMD ESN
• 年，卷（期）: 2023,（11）
• 所属期刊栏目: 综合
• 页码范围: 116-121,131
• 页数: 6页
• 分类号: TV125
• 语种: 中文
• DOI: 10.3969/j.issn.1001-9235.2022.11.015

摘要

针对水位序列包含多种频率信息的复杂特性,采用极点对称模态分解法(ESMD)、 变分模态分解法(VMD)与回声状态网络(ESN)的组合模型,即ESMD-VMD-ESN对太浦河上游太浦闸月平均水位序列进行实例研究。通过与单一模型ESN,一次分解组合模型ESMD-ESN进行对比,探究“一次分解-二次分解-预测-重构”二次分解组合模型的预测效果。结果表明:基于二次分解组合模型ESMD-VMD-ESN的预测效果最好,一次分解组合模型ESMD-ESN次之,单一预测模型ESN最差;而相比于单一模型,ESMD-ESN单次分解模型的威尔莫特一致性指数(WIA)、皮尔逊相关系数(PCC)分别增加51%、11%,平均绝对误差(MAE)、均方根误差(RMSE)分别减小14%、45%,即ESMD可有效简化水位序列,降低预测误差;ESMD-VMD-ESN二次分解组合模型与单次分解模型相比,WIA、PCC分别增加5%、10%,MAE、RMSE分别减小52%、50%,即VMD可进一步简化ESMD的最高频分量,从而提高模型预测精度。综上,二次分解模型的组合模式在月水位预测中具有良好的适用性及稳定性。