基于教學優化算法的多元超越回歸模型及其在徑流預報中的應用

崔東文

(云南省文山州水務局，云南 文山 663000)

基于教學優化算法的多元超越回歸模型及其在徑流預報中的應用

崔東文

(云南省文山州水務局，云南 文山 663000)

基于超越方程內涵,提出多元超越回歸(MTR)預報模型。通過4個典型測試函數對新型智能算法——教學優化(TLBO)算法進行仿真驗證,并與粒子群優化(PSO)算法、差分進化(DE)算法、螢火蟲(FA)算法、布谷鳥搜尋(CS)算法、混合蛙跳算法(SFLA)進行對比分析。利用TLBO算法尋優MTR模型參數,提出TLBO-MTR預報模型,并構建TLBO-支持向量機(TLBO-SVM)、TLBO-BP神經網絡(TLBO-BP)、TLBO-多元二項式回歸(TLBO-MBR)預報模型作對比;以云南省西洋站和董湖站12月份月徑流預報為例,進行實例驗證。結果表明:①TLBO算法收斂精度優于PSO、DE、FA、CS和SFLA算法,表現出較好的收斂精度和全局尋優能力；②TLBO-MTR模型對于西洋站和董湖站10年預報的平均相對誤差絕對值分別為5.59%、6.60%,均優于TLBO-SVM、TLBO-BP和TLBO-MBR預報模型,表現出較好的預報精度。TLBO-MTR模型預報方法可為水文預測預報提供新的途徑,具有良好的應用前景。

徑流預報;教學優化算法;多元超越回歸;參數優化

探索研究具有較好預報效果的模型及方法一直是水文預測預報中的熱點和難點。由于水文預測預報的復雜性、非線性、系統性和不確定性,使得傳統回歸分析法、成因預測法、數理統計法等方法往往難以達到理想的預報效果。傳統回歸分析法雖然簡單,但預報精度與新興的小波分析[1]、人工神經網絡[2-5]、集對分析[6]、灰色預測[7-8]、支持向量機[9-12]、組合預測[13-14]等方法相比尚顯不足。超越方程是指含有未知變量的對數函數、指數函數、三角函數、反三角函數等方程,可用于表征復雜的系統過程。……