基于兩階段粒子群優(yōu)化算法的新型逐步分解集成徑流預(yù)測模型

郭田麗，宋松柏，張 特，王慧敏

(1.西北農(nóng)林科技大學(xué) 水利與建筑工程學(xué)院，陜西 楊凌 712100；2.西北農(nóng)林科技大學(xué) 旱區(qū)農(nóng)業(yè)水土工程教育部重點(diǎn)實(shí)驗(yàn)室，陜西 楊凌 712100)

1 研究背景

徑流預(yù)測可為各類涉水工程的規(guī)劃設(shè)計、運(yùn)行管理以及水資源管理提供依據(jù)。由于全球氣候變化和高強(qiáng)度人類活動的雙重作用與影響，徑流序列表現(xiàn)出復(fù)雜的非線性和非平穩(wěn)性，加大了徑流預(yù)報工作難度[1]。

現(xiàn)有徑流預(yù)測模型可分為過程驅(qū)動和數(shù)據(jù)驅(qū)動兩大類。相比于過程驅(qū)動模型，數(shù)據(jù)驅(qū)動模型可操作性強(qiáng)，無需考慮徑流發(fā)生的物理機(jī)制，僅需對時間序列進(jìn)行數(shù)學(xué)分析，建立輸入變量和輸出變量之間的函數(shù)關(guān)系。近年來，機(jī)器學(xué)習(xí)因其強(qiáng)大的學(xué)習(xí)能力，在水文領(lǐng)域得到了長足的發(fā)展，并廣泛應(yīng)用于徑流預(yù)測工作中[2-3]。其中，支持向量機(jī)(Support vector machine，SVM)模型具備結(jié)構(gòu)簡單、容錯性強(qiáng)、能克服維數(shù)災(zāi)以及過擬合問題等優(yōu)點(diǎn)，在大量徑流預(yù)測研究中得到成功應(yīng)用[4-6]。但由于徑流序列呈現(xiàn)出高度復(fù)雜的非平穩(wěn)性、非線性和不確定性，單一預(yù)測模型的預(yù)測能力受限。耦合奇異譜分析、集合經(jīng)驗(yàn)?zāi)B(tài)分解、小波分解和變分模態(tài)分解(Variational modal decomposition，VMD)等數(shù)據(jù)分解方法與機(jī)器學(xué)習(xí)模型來建立分解集成模型可有效改進(jìn)單一機(jī)器學(xué)習(xí)模型的預(yù)測精度[7-9]。其中，VMD方法能夠控制中心頻率混疊現(xiàn)象和噪聲水平，更易于提高分解集成模型的預(yù)測性能[10-12]。

建立分解集成模型來提高徑流預(yù)測精度已成為當(dāng)前研究熱點(diǎn)之一[13-15]。……