基于CEEMDAN-WNN耦合模型的黄河入海输沙量预测研究
王俊杰
拾兵
胡亚卓
中国海洋大学工程学院,山东青岛266100
摘要：河流水沙过程影响因素复杂,是非线性、非平稳的时间序列,具有周期性、突变性、趋势性等特征,传统的水沙预测模型难以准确识别水沙过程的上述特征,存在预测误差大、稳定性差等问题,为了实现对河流水沙的准确预测,发展了一种基于自适应噪声完备经验模态分解耦合小波神经网络的输沙量预测模型,首先利用 自适应噪声完备经验模态分解的方法将输入因子径流量进行分解,然后对各个分量IMF以及残差项Res分别进行小波神经网络建模和预测,最后将各分量预测结果重构作为最终预测结果,结果表明,CEEMDAN-WNN耦合预测模型在黄河利津站输沙量预测过程中均方根误差(RMSE)和平均绝对误差(MAE)分别为0.075、0.065,相比于BP神经网络和小波神经网络,精度更高,能够实现对水沙序列的准确预测.
关键词：CEEMDAN小波神经网络输沙量预测黄河
分类号：P333(水文科学（水界物理学）)
论文发表日期：2021-01-01
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：8( 34-41 )
英文信息