融合改进灰狼算法的机器学习月径流预测方法

摘要

为提高径流预报的准确性,对黄河唐乃亥站和兰州站实测月径流序列,分别采用梯度提升树回归(GBDT)、反向传播算法(BP)、差分进化-灰狼算法(HGWO)优化的支持向量回归(SVR)算法,结合变分模态分解方法(VMD)和极点对称模态分解方法(ESMD),建立组合预报模型。结果表明,组合模型VMD-HGWO-SVR预测效果最好,与ESMD-HGWO-SVR、VMD-BP、VMD-GBDT相比,两站的预测结果的平均绝对误差分别平均降低53.38%、14.27%、6.8%,均方根误差分别平均降低53.66%、22.0%、11.54%,平均相对误差分别平均降低54.92%、12.0%、3.67%,纳什效率系数分别平均提高17.09%、3.26%、1.36%。可以看出,该方法在月径流时间序列预测中具有较好的效果。