基于WPT-ARO-DBN/WPT-EPO-DBN模型的月含沙量多步预测

• 全文链接
• 请求原文

作   者：

高雪梅;  崔东文; 

关键词：

人工兔优化算法;  深度信念网络;  月含沙量预测;  组合模型;  鹰栖息优化算法;  小波包变换; 

期刊名称：

人民珠江

i s s n：

1001-9235

年卷期：

2024 年 45 卷 003 期

页   码：

69-78

摘   要：

准确的含沙量多步预测对于区域水土流失治理、防洪减灾等具有重要意义.为提高含沙量多步预测精度,改进深度信念网络(DBN)的预测性能,基于小波包变换(WPT),分别提出人工兔优化(ARO)算法、鹰栖息优化(EPO)算法与DBN组合的月含沙量多步预测模型,通过云南省龙潭站月含沙量时序数据对模型进行验证.首先利用WPT对实例月含沙量时序数据进行3 层分解处理,得到 8 个更具规律的子序列分量;其次介绍ARO、EPO算法原理,利用ARO、EPO对DBN隐藏层神经元数等超参数进行寻优,建立WPT-ARO-DBN、WPT-EPO-DBN 预测模型,并构建WPT-PSO(粒子群算法)-DBN、WPT-DBN 作对比分析模型;最后利用 4 种模型对各子序列分量进行预测,将预测值叠加得到最终月含沙量多步预测结果.结果表明:①WPT-ARO-DBN、WPT-EPO-DBN模型对实例超前1 步—超前4 步月含沙量具有满意的预测效果,对超前5 步具有较好的预测结果,对超前 6 步、超前 7 步的预测效果一般,对超前 8 步的预测精度较差,已不能满足预测精度需求;②WPT-ARO-DBN、WPT-EPO-DBN模型的多步预测效果要优于WPT-PSO-DBN模型,远优于WPT-DBN模型,具有更高的预测精度、更好的泛化能力和更大的预测步长;③ARO、EPO能有效优化DBN超参数,提高DBN预测性能,优化效果优于PSO,WPT-ARO-DBN、WPT-EPO-DBN模型能充分发挥WPT、新型群体智能算法和DBN网络优势,提高月含沙量多步预测精度,且预测精度随着预测步数的增加而降低.