基于教学优化算法的多元超越回归模型及其在径流预报中的应用

基于超越方程内涵,提出多元超越回归(MTR)预报模型。通过4个典型测试函数对新型智能算法——教学优化(TLBO)算法进行仿真验证,并与粒子群优化(PSO)算法、差分进化(DE)算法、萤火虫(FA)算法、布谷鸟搜寻(CS)算法、混合蛙跳算法(SFLA)进行对比分析。利用TLBO算法寻优MTR模型参数,提出TLBO-MTR预报模型,并构建TLBO-支持向量机(TLBO-SVM)、TLBO-BP神经网络(TLBO-BP)、TLBO-多元二项式回归(TLBO-MBR)预报模型作对比;以云南省西洋站和董湖站12月份月径流预报为例,进行实例验证。结果表明:1TLBO算法收敛精度优于PSO、DE、FA、CS和SFLA算法,表现出较好的收敛精度和全局寻优能力;2TLBO-MTR模型对于西洋站和董湖站10年预报的平均相对误差绝对值分别为5.59%、6.60%,均优于TLBO-SVM、TLBO-BP和TLBO-MBR预报模型,表现出较好的预报精度。TLBOMTR模型预报方法可为水文预测预报提供新的途径,具有良好的应用前景。

Teaching-learning-based Optimization Algorithm-Multiple Transcendence Regression Model and Its Application in Runoff Forecast