云南省文山州水利电力勘察设计院;云南省文山州水务局;
为提高水电站入库径流多步预测精度，精准调控发电用水量，基于小波包变换（WPT）数据分解方法，菲克定律优化（FLA）算法、正则化极限学习机（RELM），提出WPT-FLA-RELM预测模型，并将其应用于云南省马鹿塘水电站入库日径流多步预测。首先利用WPT将水电站入库日径流时间序列分解为1个周期项分量和3个波动项分量；然后利用FLA及遗传算法（GA）、粒子群优化（PSO）算法优化RELM输入层权值和隐含层偏差（超参数）；最后利用优化获得的最佳超参数建立WPT-FLA-RELM及WPTGA-RELM、WPT-PSO-RELM模型对入库日径流周期项及波动项分量进行预测，重构后得到最终预测结果，并构建WPT-FLA-极限学习机（ELM）、WPT-FLA-BP模型和未经优化的WPT-RELM模型作对比分析模型。
| 108 | 7 | 26 |
| 下载次数 | 被引频次 | 阅读次数 |
[1]段勇，任磊.基于BP神经网络的黄河中游日径流预测研究[J].人民黄河，2020, 42(S2):5-8.
[2]胡庆芳，曹士圯,杨辉斌,等.汉江流域安康站日径流预测的LSTM模型初步研究[J].地理科学进展，2020, 39(4):636-642.
[3]郑勇，马炳焱，成静清，等.基于多种学习方案LSTM的信江流域径流预测[J].水力发电，2022, 48(7):22-27.
[4]孙望良，周建中，彭利鸿，等. DFA_VMD_LSTM组合日径流预测模型研究[J].水电能源科学，2021, 39(3):12-15.
[5]马乐宽，邱瑀，赵越，等.基于改进的神经网络与支持向量机的小流域日径流量预测研究[J].水资源与水工程学报，2016, 27(5):23-27.
[6]黄景光，吴巍，程璐瑶，等.基于小波支持向量机特征分类的日径流组合预测：以宜昌三峡水库为例[J].中国农村水利水电，2018,(6):33-39.
[7]黄巧玲，粟晓玲，杨家田.基于小波分解的日径流支持向量机回归预测模型[J].西北农林科技大学学报：自然科学版，2016,44(4):211-217.
[8]任化准，陈琼，何有良，等.WPSO-SVR耦合日径流预测模型研究及应用[J].人民长江，2017, 48(10):40-43.
[9]钱立鹏，刘长征，陈翠忠，等.一种基于深度信念网络的径流量预测方法[J].石河子大学学报：自然科学版，2021, 39(2):259-264.
[10]王秀杰，乔鸿飞，曾勇红，等.基于TVF-EMD、GRA和LightGBM的日径流预报模型应用研究[J/OL].水资源保护:1-15[2022-12-21].
[11]李新华，崔东文.基于小波包分解的EHO-ELM与EHO-DELM日径流多步预报模型研究[J/OL].中国农村水利水电:1-12[2022-08-25].
[12]Deng W Y, Zheng Q H, Chen L. Regularizedextreme learning machine//IEEE Symposium on Computational Intelligence&Data Mining. Nashville, 2009:389
[13]郭博臻，白一鸣，赵永生.基于PSO-RELM的绞吸挖泥船产量预测及其可视化辅助决策[J].水运工程，2021,(9):147-151+193.
[14]张壮，曹玲玲，林文辉，等.基于IPSO-RELM转炉冶炼终点锰含量预测模型[J].工程科学学报，2019, 41(8):1052-1060.
[15]王振东，刘尧迪，杨书新，等.基于天牛群优化与改进正则化极限学习机的网络入侵检测[J/OL].自动化学报:1-20[2022-12-05].
[16]金秀章，刘岳，赵文杰，等.基于mRMR和MA-RELM的火电厂出口SO_2质量浓度预测[J].动力工程学报，2022, 42(7):664-670+676.
[17]李新华，崔东文.基于WPD-TSO-ELM模型的月径流时间序列预测[J].水力发电，2022, 48(9):9-15+44.
[18]李新华，崔东文.基于WPD-RSA-ELM模型的水文时间序列多步预测[J].水利水电技术：中英文，2022, 53(11):69-77.
[19]崔东文，袁树堂.基于WPD-AHA-ELM模型的水质时间序列多步预测[J].三峡大学学报：自然科学版，2023, 45(1):6-13.
[20]Hashim F A, Mostafa R R, Hussien A G, et al. Fick's Law Algorithm:A physical law-based algorithm for numerical optimization[J].Knowledge-Based Systems, 2022:110146.
[21]许建伟，崔东文.战争策略算法与变色龙算法优化极限学习机的输沙量时间序列预测[J].水力发电，2022, 48(11):36-42.
[22]程国森，崔东文.黑猩猩优化算法-极限学习机模型在富水性分级判定中的应用[J].人民黄河，2021, 43(7):62-66.
[23]吴忠强，尚梦瑶，申丹丹，等.基于BSA-RELM的纯电动汽车锂离子电池SOC估计[J].计量学报，2019, 40(4):693-699.
[24]刘鑫，任海莉.基于QPSO正则化极限学习机的轴承故障诊断[J].组合机床与自动化加工技术，2021,(3):36-40.
基本信息:
DOI：
中图分类号:TV74;TV121
引用信息:
[1]高雪梅,崔东文.WPT-FLA-RELM模型的马鹿塘水电站入库日径流多步预测[J].云南水力发电,2023,39(11):56-62.
基金信息:
国家自然科学基金项目(41702278); 中国地质调查局地质调查项目（DD20221758、DD20190326）; 广西重点研发计划项目（桂科AB21196026）