基于数据分解与斑马算法优化的混合核极限学习机月径流预测

	基于数据分解与斑马算法优化的混合核极限学习机月径流预测
	李菊 1; 崔东文 2
	2024-04-07
发表期刊	长江科学院院报
ISSN	1001-5485
卷号	41 期号:06 页码:42-50
摘要	为提高月径流预测精度，改进混合核极限学习机(HKELM)预测性能，提出小波包分解(WPT)－斑马优化算法(ZOA)－HKELM组合模型。利用WPT将月径流时间序列分解为更具规律的低频分量和高频分量，构建局部高斯径向基核函数和全局多项式核函数相混合的HKELM；通过ZOA优化HKELM超参数(正则化参数、核参数、权重系数)，建立WPT-ZOA-HKELM模型，并构建WPT-遗传算法(GA)-HKELM、WPT-灰狼优化(GWO)算法-HKELM、WPT-鲸鱼优化算法(WOA)-HKELM、WPT-ZOA-极限学习机(ELM）、WPT-ZOA-最小二乘支待向量机(LSSVM)、ZOA-HKELM作对比分析模型，通过黑河流域莺落峡、讨赖河水文站月径流时间序列预测实例对各模型进行检验。结果表明：(1)WPT-ZOA-HKELM模型对莺落峡、讨赖河月径流预测的平均绝对百分比误差分别为1.054%、0.761%，决定系数均达0.9999，优于其他对比模型，具有更高的预测精度和更好的泛化能力。(2)利用ZOA优化HKELM超参数，可提高HKELM预测性能，优化效果优于GWO、WOA、GA。(3)预测模型能充分发挥WPT、ZOA和HKELM优势，提高月径流预测精度；在相同分解和优化情形下，HKELM的预测性能优于ELM、LSSVM。
关键词	月径流预测斑马优化算法混合核极限学习机小波包变换超参数优化
URL	查看原文
收录类别	北大核心 ; CSCD
语种	中文
资助项目	云南省教育厅教育科学研究基金（2023J0797）;云南省水利厅水利科技项目（2024BC202003）;
原始文献类型	学术期刊
文献类型	期刊论文
条目标识符	http://ir.library.ouchn.edu.cn/handle/39V7QQFX/169326
专题	国家开放大学云南分部
通讯作者	崔东文
作者单位	1.云南开放大学城市建设学院; 2.云南省文山州水务局
第一作者单位	国家开放大学云南分部
第一作者的第一单位	国家开放大学云南分部
推荐引用方式 GB/T 7714	李菊,崔东文. 基于数据分解与斑马算法优化的混合核极限学习机月径流预测[J]. 长江科学院院报,2024,41(06):42-50.
APA	李菊,&崔东文.(2024).基于数据分解与斑马算法优化的混合核极限学习机月径流预测.长江科学院院报,41(06),42-50.
MLA	李菊,et al."基于数据分解与斑马算法优化的混合核极限学习机月径流预测".长江科学院院报 41.06(2024):42-50.