论文摘要
在面对具有随机性、突变性的复杂时间序列数据（如流量等水文时间序列数据）时,传统单一的模型的预测精度不尽人意,对单一模型的优化不能完全克服其局限性。因此,文中提出一种基于WNN-SVM组合的水文时间序列预测模型。首先对水文时间序列数据作均值归一化处理,然后对预处理后的水文时间序列进行小波分解,将分解后的子序列通过相空间重构的方法使其从低维时间序列向高维转换;根据其分解后的特点,对尺度变换序列采用支持向量机（SVM）进行建模预测,小波变换序列采用小波神经网络（WNN）进行建模预测,再将两者的预测结果进行小波重构,得到原始序列预测值。随后采用屯溪流域1980年至2007年43 996个小时流量数据进行实验验证,结果表明该模型的预测精度高于单一模型,证明了该模型的有效性。
论文目录
文章来源
类型: 期刊论文
作者: 余洋,万定生
关键词: 均值归一化,组合模型,时间序列预测,小波神经网络,支持向量机
来源: 计算机技术与发展 2019年09期
年度: 2019
分类: 信息科技,基础科学
专业: 地球物理学,自动化技术
单位: 河海大学计算机与信息学院
基金: 国家科技支撑计划课题(2018YFC0407900),公益性行业科研专项(201501022)
分类号: P33;TP18
页码: 13-17+70
总页数: 6
文件大小: 257K
下载量: 253
相关论文文献
- [1].基于相似性搜索的水文时间序列预测模型研究[J]. 信息技术 2020(03)
- [2].基于嵌入式索引的水文时间序列相似性搜索模型[J]. 水文 2016(06)
- [3].水文时间序列预测模型研究进展[J]. 人民珠江 2019(07)
- [4].水文预报时间序列神经网络模型[J]. 河南水利与南水北调 2017(10)
- [5].交叉熵相似性度量在水文时间序列匹配中的应用[J]. 计算机与数字工程 2015(02)
- [6].基于小波神经网络的水文时间序列预测[J]. 山东大学学报(工学版) 2011(04)
- [7].基于WISKI的水文时间序列数据管理与应用[J]. 中国水利 2008(05)
- [8].关于水文时间序列分析方法的研究[J]. 科技展望 2016(28)
- [9].水文时间序列周期识别的新思路与两种新方法[J]. 黑龙江科技信息 2015(20)
- [10].基于S-变换的水文时间序列演变特征研究[J]. 应用基础与工程科学学报 2011(01)
- [11].一种水文时间序列异常模式检测方法研究[J]. 计算机技术与发展 2019(07)
- [12].水文时间序列分析方法研究进展[J]. 地理科学进展 2013(01)
- [13].基于滑动窗口预测的水文时间序列异常检测[J]. 计算机应用 2014(08)
- [14].多度量水文时间序列相似性分析[J]. 水文 2014(04)
- [15].基于贝叶斯理论和小波回归模型耦合的水文时间序列概率预报方法[J]. 科学通报 2013(27)
- [16].水文时间序列相似性查询的分析与研究——以漯河站、何口站汛期降雨量相似性查询为例[J]. 水文 2009(06)
- [17].应用PSO-KELM模型预测水文时间序列[J]. 中国农村水利水电 2018(07)
- [18].基于经验模态分解的水文时间序列预测研究[J]. 水文 2009(03)
- [19].水文时间序列关联规则挖掘模型研究[J]. 计算机与数字工程 2008(12)
- [20].基于CEEMD-BP模型的水文时间序列月径流预测[J]. 北京师范大学学报(自然科学版) 2020(03)
- [21].基于XGBoost算法的多元水文时间序列趋势相似性挖掘[J]. 计算机科学 2020(S2)
- [22].一种提高DTW算法运算效率的改进算法[J]. 计算机与数字工程 2019(03)
- [23].水文时间序列的最大熵谱分析与优化方法[J]. 广东水利水电 2012(08)
- [24].水文时间序列的小波神经网络工具箱预测[J]. 科技视界 2018(16)
- [25].基于CNN和MC的水文时间序列预测组合模型[J]. 计算机与现代化 2019(11)
- [26].水文时间序列概率预报方法的通用架构[J]. 湖泊科学 2018(03)
- [27].水文时间序列的最大熵谱分析与优化方法[J]. 人民珠江 2012(04)
- [28].基于T检验的水文时间序列HHT分析方法及应用[J]. 系统工程理论与实践 2015(05)
- [29].水文时间序列趋势与突变分析系统开发与应用[J]. 甘肃科技 2016(09)
- [30].基于SparkR的水文传感器数据的异常检测方法[J]. 计算机应用 2019(02)