基于小波包分解的GJO-XGBoost水面蒸发量预测 |
| |
引用本文: | 陈金红,崔东文.基于小波包分解的GJO-XGBoost水面蒸发量预测[J].三峡大学学报(自然科学版),2023(3):1-7. |
| |
作者姓名: | 陈金红 崔东文 |
| |
作者单位: | 1. 云南省水利水电投资有限公司;2. 云南省文山州水务局 |
| |
基金项目: | 国家自然科学基金(91547205); |
| |
摘 要: | 为提高水面蒸发量预测精度,提出一种基于小波包变换(WPT)、金豺优化(GJO)算法和极端梯度提升(XGBoost)算法相融合的水面蒸发量时间序列预测模型,通过云南省龙潭站、董湖站、西洋站1991—2021年逐月水面蒸发量时序数据对模型进行检验.首先介绍GJO原理,在不同维度条件下选取4个标准函数对GJO进行仿真测试,并与粒子群优化(PSO)算法的仿真结果作对比.其次采用小波包变换(WPT)对逐月水面蒸发量时序数据进行分解处理,构建XGBoost算法输入输出向量.最后引入GJO算法对XGBoost超参数进行调优,建立WPT-GJO-XGBoost模型对各子序列分量进行预测和重构,并构建WPT-PSO-XGBoost、WPT-GJO-SVM、WPT-PSO-SVM、WPT-XGBoost作对比分析模型.结果表明:在不同维条件下GJO算法寻优精度优于PSO算法.WPT-GJO-XGBoost模型对龙潭站、董湖站、西洋站水面蒸发量预测的平均绝对百分比误差分别为5.491%、4.943%、5.024%,平均绝对误差分别为4.70、3.37、3.39 mm,预测精度优于WPT-PSO-XGBoos...
|
关 键 词: | 水面蒸发量 预测模型 金豺优化算法 小波包变换 仿真测试 |
|