基于奇异谱分析-灰狼优化-支持向量回归混合模型的黑河正义峡月径流预测
【摘要】 水文预报是水资源优化配置的重要前提，而传统预报方法普遍存在预测精度低的问题，为提高水文预报的准确性，提出了一种混合数据驱动模型用于月径流预测，即奇异谱分析-灰狼优化-支持向量回归（SSA-GWO-SVR）模型。该模型通过SSA对径流数据进行去噪处理来提高径流序列的平稳性和可预测性，采用GWO对SVR模型的参数进行联合选优，从而增强模型的泛化能力。通过黑河正义峡的月径流预测进行模型验证，以平均绝对误差（MAE）、均方根误差（RMSE）、相关系数（R）和纳什效率系数（NSEC）为模型评价标准。实验结果表明该模型的预测精度明显高于自回归积分滑动平均模型（ARIMA）、持续性模型（PM）、交叉验证-SVR（CV-SVR）和GWO-SVR模型，并且它能很好地预测径流峰值，说明该模型是一种可靠的径流预测模型，能够更深入地捕获水文径流的内在特性，为基于数据驱动模型的水文预报提供了一种新方法。关键词:径流预测;数据驱动;奇异谱分析;灰狼优化;支持向量回归
