【技术实现步骤摘要】
本专利技术属于水文预测，具体涉及一种融合特征分解与纠错策略的并行架构径流预测方法。
技术介绍
1、在缺水地区，水资源短缺和时空分布不均一直是制约地区可持续发展的主要问题之一，准确可靠的径流预测预报技术是促进水资源高效利用与区域可持续发展的有效手段。其中，中长期径流预报可为水资源配置、水力发电运行管理等提供重要的科学依据，对解决社会和经济发展带来的水问题至关重要。然而，径流作为复杂水文动力演化系统的要素，与人类活动、植被类型、土壤类型、蒸发强度和降水等多种因素表现出较强的相关性。径流序列具有较高的非线性、不稳定性和复杂性。
2、近年来，随着计算机技术的飞速发展和机器学习理论的不断完善，以机器学习模型为代表的数据驱动方法在径流预测中得到了很好的应用。机器学习模型具有强大的非线性关系捕获能力，能够有效地预测径流的变化趋势。然而，在当前实际应用中，机器模型性能面临着一些挑战，如输入数据的特征预处理和超参数选择对模型性能的影响，单一模型难以完全识别数据序列的内部变化，预测结果误差具有不确定性。
技术实现思路
【技术保护点】
1.一种融合特征分解与纠错策略的并行架构径流预测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的融合特征分解与纠错策略的并行架构径流预测方法，其特征在于，S100所述采用经SSA算法优化后的VMD对径流时间序列进行分解具体包括：
3.根据权利要求2所述的融合特征分解与纠错策略的并行架构径流预测方法，其特征在于，S101所述构建约束变分问题依据以下公式：
4.根据权利要求3所述的融合特征分解与纠错策略的并行架构径流预测方法，其特征在于，S102所述引入二次惩罚因子和拉格朗日乘法算子将约束变分问题转换为无约束问题的公式
...
【技术特征摘要】
1.一种融合特征分解与纠错策略的并行架构径流预测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的融合特征分解与纠错策略的并行架构径流预测方法，其特征在于，s100所述采用经ssa算法优化后的vmd对径流时间序列进行分解具体包括：
3.根据权利要求2所述的融合特征分解与纠错策略的并行架构径流预测方法，其特征在于，s101所述构建约束变分问题依据以下公式：
4.根据权利要求3所述的融合特征分解与纠错策略的并行架构径流预测方法，其特征在于，s102所述引入二次惩罚因子和拉格朗日乘法算子将约束变分问题转换为无约束问题的公式如下：
5.根据权利要求4所述的融合特征分解与纠错策略的并行架构径流预测方法，其特征在于，s103所述根据极值解得到对应模态分量以及中心频率依据以下公式：
6.根...
【专利技术属性】
技术研发人员：王学斌，袁思敏，王礼源，孟雪姣，畅建霞，王义民，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。