基于小波支持向量机的径流预测性能优化分析

中长期径流预测是水库调度的重要前提和难点问题。在数据驱动预测模型已有研究基础上,提出了基于小波分解的参数优化支持向量机(WD-SVM-PSO)预测模型,实现了对历史径流过程的分频预处理、分类训练、参数优化及交叉验证,从样本数据、模型参数、训练机制三方面对预测模型性能进行优化。采用淮河流域响洪甸水库1959—2014年径流过程进行模型验证,结果表明:WD-SVM-PSO模型预测合格率为93%,且具有良好的泛化性能,有效规避了过拟合现象;进一步通过对照试验仿真,定量揭示了耦合预测模型三方面要素所起的作用大小依次为:样本数据预处理训练模型模型参数。该结论可为分析和完善数据驱动径流预测模型、提高径流预测精度和可靠性提供参考借鉴。