多种算法寻优LSSVM耦合模型在中长期径流预报中的应用

摘要

针对最小二乘支持向量机(LSSVM)在径流预报问题中相关学习参数难以确定的缺陷,利用近期国内外提出的多种智能优化算法如阿基米德算法(AOA)、美洲雕搜索算法(BES)、黑猩猩优化算法(ChOA)、莱维飞行分布算法(LFD)和鼠群算法(RSO)在有限时间内完成LSSVM模型参数寻优工作,并配合小波包分解技术(WPD)平稳化水文序列,提出多种耦合模型.以雅马渡站和兰西站的年径流量预报为例测试各耦合模型,结果显示:相比较而言,WPD-BES-LSSVM模型综合预报性能最好;BES算法寻优LSSVM模型参数性能更稳健;文中提出的相关模型可为有关中长期径流预报工作提供依据.