基于CEEMD-LSSVM-NNBR模型中长期入库径流模拟

为提高中长期径流模拟精度,提出使用完备总体经验模态分解(CEEMD)产生更低噪信号作为模拟模型输入。应用CEEMD方法对径流序列作信号分解,时间序列被分解为若干子序列,每一子序列通过最小二乘支持向量机(LSSVM)模型分别模拟,之后将每个子序列模拟结果重构以获得最终径流模拟结果。以石头峡水库入库径流模拟为例,试验结果表明,与LSSVM模型相比,CEEMD-LSSVM模型可提高水库汛期入库径流模拟精度。对于整体序列和汛期序列,其纳什效率系数、平均相对误差和均方根误差模拟效果均明显提高;但在枯水期模拟精度不理想,主要由于枯水期径流量数值波动较小、序列平缓所致。因此,CEEMD方法对于汛期径流序列分解更具优势,对枯水期径流序列分解效果有待提高。将适用于枯水期径流模拟的最近邻抽样回归模型(NNBR)与CEEMD-LSSVM结合成组合模型CEEMD-LSSVM-NNBR,可用于全年入库径流模拟。