基于小波包分解的AJS-GMDH月径流时间序列预测研究

杨琼波，崔东文

(1.云南省水文水资源局红河分局，云南 红河 661199；2.云南省文山州水务局，云南 文山 663000)

主要从事水文水资源分析研究和水资源管理保护等工作；崔东文(通讯作者)．

径流时间序列预测是水文预报研究领域的热点和难点。提高径流时间序列预测精度对区域水资源开发利用、防洪抗旱规划、水资源管理保护、水库优化调度等具有重要意义。由于径流时间序列人类活动、受气候变化、土地利用及植被覆盖等多重因素的影响，常表现出多尺度、非线性、非平稳性等特征，基于“分解—预测—重构”模式的预测方法被广泛应用于径流时间序列预测[1- 4]，并取得了较好的预测效果。目前，常见的时间序列分解方法有经验模态分解(Empirical mode decomposition，EMD)、完全集合经验模态分解(Complete ensemble empirical mode decomposition，CEEMD)、小波分解(Wavelet decomposition，WD)、奇异谱分解(Singular spectrum analysis，SSA)、变分模态分解(Variational mode decomposition，VMD)等；预测模型有BP神经网络、广义回归神经网络(GRNN)、支持向量机(SVM)、相关向量机(RVM)、极限学习机(ELM)、LSTM神经网络、秩次集对分析法等。

WD是一种被广泛应用的时频分析工具，主要通过伸缩平移运算对信号逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分的目的，已在各领域得到广泛应用。然而，WD不足之处在于其仅对信号低频部分详细分解而忽略了信号的高频部分。小波包分解(Wavelet packet decomposition，WPD)源于WD，它在分解信号低频子集同时，对高频子集继续分解，且能够根据分解需要自行设定分解层数和分解使用的小波函数[5-7]，已在各种时序数据分解中得到广泛应用。人工水母搜索(Artificial Jellyfish Search，AJS)算法是Chou等人于2020年基于水母觅食行为而提出一种新型群体智能算法，已在工程结构优化中得到应用[8]。……