| 摘 要： | 准确的径流预测在水资源规划和管理中发挥着重要作用．然而,受气候变化和人类活动等因素的影响,径流形成过程十分复杂,具有高度的非线性和非平稳性,更增加了径流预报的难度．为提高月径流预测精度,提出了基于时变滤波器的经验模态分解(TVF-EMD)和结合粒子群优化算法(PSO)的门限循环单元(GRU)的混合模型(TEPG)．首先利用TVF-EMD将原始月径流序列分解为若干个固有模态函数(IMF),然后再利用PSO-GRU模型分别对每一个IMF进行预测,最后将每个IMF的预测结果相加得到原始月径流序列最终的预测结果．以黄河干流4个代表性水文站(包括唐乃亥站、头道拐站、花园口站、利津站)为研究对象,应用该模型对这4个测站的月径流进行单步预测研究,并与PSO-GRU(PG)模型、基于互补经验模态分解(CEEMD)的PSO-GRU(CPG)模型和基于经验模态分解(EMD)的PSO-GRU模型(EPG)进行对比分析．选用纳什效率系数NSE、相关系数R、均方根误差RMSE、预报合格率QR及预报精度等级等评价指标对模型预测精度进行评价．结果表明,与PG模型、CPG模型、EPG模型相比,TEPG模型具有更高的预...
|
