基于FPA-ELM模型的中长期径流预测——以雅砻江流域为例

摘要

为提高中长期径流预测效果,提出一种花授粉算法(FPA)优化极限学习机模型(ELM)的中长期径流预测方法。首先,构造反映流域水情丰枯变化的流域径流整体趋势变化因子(COM),并采用偏互信息法获得影响中长期径流过程变化的关键因子集;然后,结合K折交叉验证与花授粉算法优化ELM参数,构建FPA-ELM模型,完成中长期径流预测。最后,以雅砻江流域为研究区域,将构建的FPA-ELM模型与BP神经网络(BPNN)、支持向量机(SVM)、ELM和GA-ELM等模型进行对比分析。结果表明:FPA-ELM模型的平均绝对百分比误差(E_(mape))为20.15%,均方根误差(E_(rmse))为268.77 m^(3)/s,确定性系数(E_(dc))为0.9169,合格率(E_(qr))为60.0%,运算时间为19.32 s,均优于上述4种数据驱动模型。研究成果可为基于智能算法的中长期径流预测提供借鉴。