黄巧玲
- 作品数：3 被引量：46H指数：3
- 供职机构：西北农林科技大学水利与建筑工程学院（水利水电科学研究院）更多>>
- 发文基金：中央高校基本科研业务费专项资金水利部公益性行业科研专项国家自然科学基金更多>>
- 相关领域：水利工程天文地球更多>>
- 基于小波广义回归神经网络耦合模型的月径流预测被引量：16
- 2016年
- 针对中长期水文预报方法预测结果精度低的问题,将离散小波变换(DWT)与广义回归神经网络(GRNN)耦合,建立了月径流预测模型。通过DWT处理将原始月径流序列分解重构为确定性成分和随机性成分两个分量,对两个分量的GRNN模型预测结果叠加作为预测值的方法称为WGRNN1模型。将WGRNN1模型与剔除随机序列的GRNN模型(WGRNN2)和不进行离散小波变换的GRNN模型结果进行对比,采用平均绝对误差(MAE)、确定性系数(DC)和相关系数(R)为模型评价指标。将模型应用于黑河干流莺落峡站的月径流预测,结果表明:模型WGRNN2的评价指标优于WGRNN1,且这两个模型预测效果都优于GRNN模型。说明与离散小波变换的耦合可以提高GRNN模型对月径流的预测精度,同时剔除随机成分的小波广义回归神经网络模型有更好的预测效果,可应用于实际生产。
- 郝丽娜粟晓玲黄巧玲
- 关键词：离散小波变换广义回归神经网络
- 基于小波支持向量机耦合的月径流预测方法被引量：15
- 2015年
- 耦合离散小波变换(DWT)与支持向量回归模型(SVR),建立月径流预测的小波支持向量机耦合模型(WSVR)。利用Mallat算法对原始月径流序列分解并重构成不同频率的子序列,以有效子序列作为SVR模型的输入;采用均方根误差(RMSE),平均绝对误差(MAE),确定性系数(DC)和相关系数(R)评价模型预测精度。模型应用于泾河张家山站的月径流预测,结果表明,在验证期耦合模型的RMSE、MAE、DC和R分别为12.5m^3/s、7.74m^3/s、0.87和0.935,明显优于最优支持向量回归模型的相应指标27.9m^3/s、13.4m^3/s、0.34及0.662,说明WSVR耦合模型可以提高支持向量机在月径流预测的精度。
- 黄巧玲粟晓玲
- 关键词：水文学月径流离散小波变换支持向量机
- 基于小波分解的日径流支持向量机回归预测模型被引量：17
- 2016年
- 【目的】将小波变换与支持向量机结合,构建小波支持向量机回归模型(WSVR),并用其对日径流进行预测,为水库调度提供参考依据。【方法】利用径流时间序列中包含的大量信息,通过小波变换将径流时间序列分解成不同分辨率水平的子序列和近似序列,通过相关性分析选取有效子序列与近似序列相加得到的新序列作为支持向量机回归模型的输入,建立小波支持向量机回归耦合模型,以泾河流域张家山站的日径流为研究对象,利用均方根误差(RMSE)、平均绝对误差(MAE)、确定性系数(DC)、相关系数(R)及相对误差(RE)作为评价指标对模型预测精度进行评价。【结果】利用所建立的小波日径流支持向量机模型对张家山站日径流的预测结果显示,该模型在检验阶段的RMSE、MAE、DC、R及RE分别为26.05m3/s,8.26m3/s,0.826,0.910,-13.3%,与仅使用支持向量机回归模型(SVR)相比,耦合模型预测精度明显提高,且非汛期预测效果优于汛期。【结论】建立了小波支持向量机回归耦合模型,该模型可有效模拟和预测日径流,为日径流预测提供了新的途径。
- 黄巧玲粟晓玲杨家田
- 关键词：小波变换支持向量机
