• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    若干新型群體智能算法優(yōu)化高斯過程回歸的年降水量預(yù)測

    2023-07-25 02:43:04崔東文
    節(jié)水灌溉 2023年7期
    關(guān)鍵詞:獵豹孔雀降水量

    李 杰,崔東文

    (1.云南省水利水電勘測設(shè)計研究院,昆明 650000;2.云南省文山州水務(wù)局,云南 文山 663000)

    0 引 言

    降水量預(yù)測是水資源合理開發(fā)利用的重要基礎(chǔ),同時是緩解區(qū)域水資源供需矛盾、提高防洪抗旱應(yīng)急能力、保障區(qū)域水生態(tài)安全的重要支撐[1]。近年來,以神經(jīng)網(wǎng)絡(luò)為代表的機(jī)器學(xué)習(xí)技術(shù)因非線性問題處理能力強(qiáng)、無需問題解析函數(shù)、泛化能力好等優(yōu)點,已在降水量預(yù)測研究中得到廣泛應(yīng)用,如BP 神經(jīng)網(wǎng)絡(luò)[2,3]、支持向量機(jī)(SVM)[4,5]、長短時記憶神經(jīng)網(wǎng)絡(luò)(LSTM)[6,7]等。然而,BP神經(jīng)網(wǎng)絡(luò)雖然能夠以任意精度逼近函數(shù),但存在模型結(jié)構(gòu)復(fù)雜、易陷入局部最優(yōu)、調(diào)節(jié)參數(shù)選取困難等不足;SVM 方法雖然需要的樣本較少,但是其預(yù)測精度受限于核函數(shù)及其參數(shù)的準(zhǔn)確選取,且易陷入局部極值;LSTM 網(wǎng)絡(luò)雖然在時間序列預(yù)測方面具有較大優(yōu)勢,但LSTM 存在內(nèi)部參數(shù)多、收斂速度慢、系統(tǒng)消耗資源大等不足。高斯過程回歸(Gaussian process regression,GPR)是基于貝葉斯理論與統(tǒng)計學(xué)習(xí)理論的非參數(shù)監(jiān)督學(xué)習(xí)方法,適于處理高維數(shù)、非線性等復(fù)雜的回歸問題,已在時間序列預(yù)測分析、動態(tài)系統(tǒng)模型辨識、系統(tǒng)控制等多個領(lǐng)域得到廣泛應(yīng)用,并取得良好效果。然而,GPR 預(yù)測效果對超參數(shù)取值的依賴程度較高,目前主要采用實驗試湊、經(jīng)驗選擇等方法對GPR 超參數(shù)進(jìn)行選取,存在隨機(jī)性大、容易陷入局部最優(yōu)等問題。針對這一問題,粒子群優(yōu)化(PSO)算法[8,9]、北方蒼鷹優(yōu)化(NGO)算法[10]、鯨魚優(yōu)化算法(WOA)[11]、人工蟻群優(yōu)化(ACO) 算法[12]等群體智能算法(swarm intelligence algorithms,SIA)償試用于GPR 超參數(shù)優(yōu)化,并取得較好的優(yōu)化效果。

    由于降水受地理位置、地形條件、大氣環(huán)流、人類活動等諸多因素影響,其時間序列常表現(xiàn)出高噪聲、非線性、非平衡性等特性[13],若直接預(yù)測會使結(jié)果產(chǎn)生較大誤差。為充分挖掘降水量時間序列所含信息,小波分解(WD)、變分模態(tài)分解(VMD)、完全集合經(jīng)驗?zāi)B(tài)分解(CEEMDAN)、總體經(jīng)驗?zāi)B(tài)分解(EEMD)、奇異譜分析(SSA)等分解技術(shù)已在降水量時間序列數(shù)據(jù)處理中得到應(yīng)用,如王文川等[14]提出的基于小波分解(WD)和郊狼優(yōu)化(COA)算法的長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)降水量預(yù)測模型,徐冬梅等[15]提出VMD-時間卷積網(wǎng)絡(luò)(TCN)月降水量組合預(yù)測模型,羅上學(xué)等[16]建立的CEEMDAN-LSTM 耦合模型,楊倩等[17]基于總體經(jīng)驗?zāi)B(tài)分解(EEMD) 和長短時記憶神經(jīng)網(wǎng)絡(luò)(LSTM) 構(gòu)建的EEMDLSTM 耦合模型,張以晨[18]等建立的奇異譜分解(SSA)-支持向量回歸機(jī)(SVR)耦合模型。然而,在實際應(yīng)用中,上述分解技術(shù)存在一定不足,如WD只對低頻部分進(jìn)行再分解,缺乏對時序數(shù)據(jù)高頻部分的分析,降低了分解效果;VMD 在非線性、非平穩(wěn)數(shù)據(jù)分解中具有較高的精確性,但分解數(shù)值K 的合理選取對預(yù)測結(jié)果影響較大;CEEMDAN、EEMD 方法雖然在一定程度上解決了EMD 模型混疊和虛假分量問題,但人為經(jīng)驗添加噪聲、分解分量過多等不足制約了其應(yīng)用;SSA技術(shù)雖然具有較好的分解效果,但存在分解分量多、預(yù)測復(fù)雜度高、計算規(guī)模大等缺點。小波包變換(wavelet packet transform,WPT)衍生于WD,與之不同的是,WPT 同時將低頻、高頻信號再次分解,能將原始信號分解為更具規(guī)律的子序列分量,在各行業(yè)領(lǐng)域具有廣泛的應(yīng)用。

    因此,為提高降水量預(yù)測精度,改進(jìn)GPR 預(yù)測性能,同時拓展SIA 在GPR 超參數(shù)優(yōu)化中的應(yīng)用,本文基于WPT 分解技術(shù)、孔雀優(yōu)化算法(peafowl optimization algorithm,POA)、沙貓優(yōu)化(sand cat swarm optimization,SCSO)算法、獵豹優(yōu)化(cheetah optimization,CO)算法和GPR 方法,建立WPTPOA-GPR、WPT-SCSO-GPR、WPT-CO-GPR 模型,同時構(gòu)建基于支持向量機(jī)(SVM)的WPT-POA-SVM、WPT-SCSOSVM、WPT-CO-SVM 模型、基于RBF 神經(jīng)網(wǎng)絡(luò)的WPT-POARBF、WPT-SCSO-RBF、WPT-CO-RBF 模型和未經(jīng)優(yōu)化的WPT-GPR 模型作對比分析模型,并利用云南省文山州1956-2021 年年降水量數(shù)據(jù)對10 種模型進(jìn)行率定與驗證,旨在檢驗WPT-POA-GPR、WPT-SCSO-GPR、WPT-CO-GPR 模型用于年降水量預(yù)測的可行性。

    1 材料與方法

    1.1 數(shù)據(jù)來源

    本文選用文山州1956-2021年年尺度降水量數(shù)據(jù)(數(shù)據(jù)來源于文山州歷年水資源公報和文山州統(tǒng)計年鑒),過程線如圖1 所示。從圖1 可以看出,文山州年降水量序列波動性較大,復(fù)雜程度較高,呈現(xiàn)出較強(qiáng)的非線性和非平穩(wěn)性,不利于直接預(yù)測。文山州位于云南省東南部,轄文山、硯山等7 縣1市,國土面積31 456 km2,分屬珠江、紅河兩大流域。珠江流域面積17 309 km2,占全州總面積的54.5%,主要有南盤江、清水江、馱娘江、西洋江等,多年平均水資源量75.36 億m3;紅河流域面積14 147 km2,主要有盤龍河、八布河、南利河、迷福河等,多年平均水資源量82.34 億m3。文山州水資源總量豐富,多年平均降水量1 208 mm,水資源總量157.7 億m3,屬相對豐水地區(qū)。區(qū)域降水高度集中,汛期(5-10 月)降水量約占全年降水量的80%,其中約60%的降水集中在7-9月,降水量年內(nèi)高度集中導(dǎo)致水旱災(zāi)害頻發(fā)和水資源供需矛盾突出。

    圖1 文山州1956-2021年降水量Fig.1 Precipitation in Wenshan Prefecture from 1956 to 2021

    1.2 研究方法

    1.2.1 小波包變換(WPT)

    WPT 能同時對信號低頻部分和高頻部分進(jìn)行分解,更適用于降水量時間序列分解。WPT 對降水量原始信號進(jìn)行分解的公式為[19-21]:

    重構(gòu)算法為:

    式中各參數(shù)意見詳見文獻(xiàn)[19-21]。

    1.2.2 孔雀優(yōu)化算法(POA)

    POA 是Jingbo Wang 等人于2022 年受綠孔雀群求偶、覓食和追逐行為啟發(fā)而提出一種新型元啟發(fā)式算法。該算法通過雄孔雀、雌孔雀和幼年孔雀來模擬種群在覓食過程中的群體行為,并基于孔雀種群角色劃分建立雄孔雀、雌孔雀和幼年孔雀位置更新算子來求解待優(yōu)化問題[22]。POA數(shù)學(xué)描述如下:

    (1)角色劃分。POA 將孔雀種群分為3 個角色:雄孔雀、雌孔雀和幼年孔雀。在優(yōu)化過程中,所有個體都根據(jù)適應(yīng)度值進(jìn)行排名,并將適應(yīng)度值最優(yōu)的前五只孔雀視為雄孔雀Xpci(i=1,2,…,5),剩余的前30%的孔雀視為雌孔雀XPh,其余的孔雀視為幼年孔雀XPhC。

    (2)雄孔雀位置更新。雄孔雀擁有華麗的羽毛,在其找到充足的食物后四處游走,并通過搖晃羽毛來求偶,雄孔雀越漂亮,吸引的雌孔雀就越多。POA 中,孔雀擁有的適應(yīng)度值越高,其圍繞食物源繞圈的概率就越大,圈半徑越小;適應(yīng)度值差的孔雀更容易原地旋轉(zhuǎn),圓半徑較大。雄孔雀位置更新描述如下:

    式中:Xpci為第i只雄孔雀位置,i=1,2,…,5;Rs為旋轉(zhuǎn)半徑;Xr為隨機(jī)向量,描述為Xr= 2 · rand(1,Dim) - 1;‖Xr‖為Xr的模數(shù);Dim 為問題維度;r1、r2、r3、r4為均勻分布在[0,1]范圍內(nèi)的隨機(jī)數(shù);t為當(dāng)前迭代次數(shù)。

    (3)雌孔雀接近行為。雌孔雀看到雄孔雀求偶舞蹈時,往往會先靠近雄孔雀再觀察四周,雌孔雀被吸引的概率與雄孔雀的適應(yīng)度值成正比。雌孔雀位置描述為:

    式中:XPh為雌孔雀位置;r5為[0,1]范圍內(nèi)均勻分布的隨機(jī)數(shù);θ為雌孔雀接近系數(shù),描述為θ=θ0+θ1-θ0(t/tmax),t、tmax為當(dāng)前迭代次數(shù)和最大迭代次數(shù);θ0、θ1為接近系數(shù)初始值和最大值,分別取0.1和1。

    (4)幼年孔雀搜索行為。除了接近具有良好食物資源(高適應(yīng)度值)的雄性孔雀外,幼年孔雀還隨機(jī)搜索,希望在搜索空間中找到更高質(zhì)量的食物資源。幼年孔雀位置描述為:

    式中:XPcC為幼年孔雀位置;α、δ為隨迭代次數(shù)動態(tài)變化的因子;Levy 為萊維飛行,一種隨機(jī)游走策略;XSPc、XPcC為隨機(jī)選定的雄孔雀位置和幼年孔雀位置;其他參數(shù)意義同上。

    (5)孔雀間互動行為。由于雄孔雀Xpc1擁有最好的食物資源,其余四只雄孔雀將被吸引逐漸向Xpc1移動。

    1.2.3 沙貓優(yōu)化(SCSO)算法

    SCSO 是Amir Seyyedabbasi 等人于2022 年提出一種新型優(yōu)化算法。該算法靈感來自于沙貓?zhí)厥獾牡皖l噪聲檢測能力,該能力有助于沙貓在地面或地下快速找到并捕捉獵物。SCSO算法中,沙貓覓食行為分搜索獵物(勘探)和攻擊獵物(開發(fā))兩個階段,并通過自適應(yīng)機(jī)制在勘探和開發(fā)間保持平衡[23]。SCSO數(shù)學(xué)描述簡述如下:

    (1)初始化。設(shè)置沙貓種群規(guī)模N,利用式(1)初始化沙貓個體位置Xi。

    式中:Xi表示第i只沙貓個體初始位置;ub、lb 分別表示搜索空間上、下限值;rand(0,1)表示介于0 和1 之間均勻分布的隨機(jī)數(shù)。

    (2)搜索獵物(探索)。在該階段,每只沙貓根據(jù)最佳候選位置、當(dāng)前位置及其敏感度范圍r更新自己位置,使其能在搜索區(qū)域中獲得局部最優(yōu)值。沙貓位置更新描述如下:

    式中:Xi(t+ 1)為第i只沙貓第t+ 1 次迭代位置;Xbc(t)為第t次迭代沙貓最佳候選位置;Xc(t)為第t次迭代沙貓位置,即沙貓當(dāng)前位置;r為沙貓敏感度范圍,描述為r=rG· rand(0,1),其中rG為靈敏度控制參數(shù),描述為rG=SM-(2SM·t)/(T+t),SM為沙貓聽覺特性參數(shù),取值為2;t、T分別為當(dāng)前迭代次數(shù)和最大迭代次數(shù);其他參數(shù)意義同上。

    SCSO 通過定義探索與開發(fā)之間轉(zhuǎn)換的平衡參數(shù)R來保持探索與開發(fā)之間的平衡,數(shù)學(xué)描述如下:

    式中:R為探索與開發(fā)之間轉(zhuǎn)換的平衡參數(shù);其他參數(shù)意義同上。

    (3)攻擊獵物(開發(fā))。在該階段,SCSO 通過輪盤選擇算法為每只沙貓選擇一個隨機(jī)角度進(jìn)行位置更新以接近獵物。沙貓位置更新描述如下:

    式中:Xb(t)為迄今為止沙貓最佳位置;θ為隨機(jī)角度,θ介于0和360之間;其他參數(shù)意義同上。

    1.2.4 獵豹優(yōu)化(CO)算法

    CO 算法是Mohammad AminAkbari 等人于2022 年受自然界獵豹狩獵啟發(fā)而提出一種新型群體智能優(yōu)化算法。該算法通過模擬獵豹在狩獵過程中搜索、坐等和攻擊3種策略來實現(xiàn)位置更新,即待優(yōu)化問題的求解[24]。CO算法數(shù)學(xué)描述如下:

    (1)初始化。與其他群體智能優(yōu)化算法類似,CO 算法也是從種群初始化開始。設(shè)在d維搜索空間中,獵豹初始化位置描述為:

    式中:Xi,j為第i頭獵豹第j維位置;UBj、LBj為第j維搜索空間上、下限值;rand 為介于0 和1 之間的隨機(jī)數(shù);n為獵豹種群規(guī)模;d為問題維度。

    (2)搜索策略。獵豹在其領(lǐng)地(搜索空間)或周圍區(qū)域進(jìn)行全范圍掃描或主動搜索,以找到獵物。該策略數(shù)學(xué)描述為:

    (3)坐等策略。在搜索模式下,獵物可能會暴露在獵豹視野中,在這種情況下,獵豹的每一個動作都可能會導(dǎo)致獵物逃跑。為避免該情況發(fā)生,獵豹采取坐等伏擊策略(躺在地上或躲進(jìn)灌木叢)以接近獵物。該策略數(shù)學(xué)描述為:

    式(12)各參數(shù)意義同上。該策略不但提高狩獵成功率(獲得取優(yōu)解),而且避免CO過早收斂。

    (4)攻擊策略。在CO 算法中,每頭獵豹都可以根據(jù)逃跑獵物、領(lǐng)頭獵豹或附近獵豹的位置來調(diào)整自己的位置,以獲得最佳攻擊位置。該策略數(shù)學(xué)描述為:

    1.2.5 高斯過程回歸(GPR)

    GPR 是通過有限的高維數(shù)據(jù)來擬合出相應(yīng)的高斯過程,從而來預(yù)測任意隨機(jī)變量下的函數(shù)值。設(shè)訓(xùn)練集(X,y)={(Xi,yi)|i=1,2,…,n},其中X=[x1,x2,…,xn]代表d維的輸入向量矩陣,y=[y1,y2,…,yn]表示輸出值。高斯過程(Gaussian process,GP)f(x)的有限維隨機(jī)變量都服從一個多元高斯分布,其性質(zhì)由均值函數(shù)m(x)和協(xié)方差函數(shù)(核函數(shù))k(x,x')決定,因此高斯過程可定義為[8-12]:

    考慮噪聲后,GPR回歸模型可表示為:

    式中:ε為高斯噪聲,且滿足ε~N(0,σ2)。

    考慮噪聲觀測值的先驗分布為:

    式中:K(X,X)為n×n階協(xié)方差矩陣;In為單位矩陣。

    觀測值y和預(yù)測值f*的聯(lián)合先驗分布為:

    測試過程中根據(jù)Bayes原理求得后驗分布為:

    協(xié)方差函數(shù)k(x,x')(又稱“核函數(shù)”)體現(xiàn)了輸入樣本之間的相似關(guān)系,決定了GPR 的預(yù)測精度。GPR 核函數(shù)中超參數(shù)選取對模型精度有重要影響,本文基于二次有理式協(xié)方差函數(shù)(RQ)構(gòu)建GPR,并采用上述POA、SCSO、CO 算法對GPR核函數(shù)參數(shù)、噪聲方差、協(xié)方差3個超參數(shù)進(jìn)行調(diào)優(yōu),以改善GPR模型預(yù)測性能。

    1.3 建模流程

    WPT-POA-GPR、WPT-SCSO-GPR、WPT-CO-GPR 模型的預(yù)測步驟歸納如下(其他模型參考實現(xiàn)):

    步驟一:利用WPT 將實例年降水量時序數(shù)據(jù)進(jìn)行2 層分解,得到1 個周期項分量[2,4]和3 個波動項分量[2,1]~[2,3],見圖2。周期項分量可有效反映原始年降水量數(shù)據(jù)的周期性,波動項分量可反映原始年降水量數(shù)據(jù)的震蕩變化。本文選取1956-2015 年降水量時序數(shù)據(jù)作為訓(xùn)練樣本,2016-2021 年降水量時序數(shù)據(jù)作為預(yù)測樣本。

    圖2 文山州年降水量時序數(shù)據(jù)分解Fig.2 Decomposition of Annual Precipitation Time Series Data in Wenshan Prefecture

    步驟二:采用Cao 方法[19-21]確定圖1 中周期項分量[2,4]和波動項分量[2,1]~[2,3]的輸入步長a,并利用前a年降水量預(yù)測當(dāng)年降水量,即輸入層節(jié)點數(shù)為a,輸出層節(jié)點數(shù)為1。經(jīng)Cao方法計算,圖1中周期項分量[2,4]和波動項分量[2,1]~[2,3]的輸入步長a分別為14、13、10、11。

    因此,WPT-POA-GPR 等模型的輸入、輸出可表述為:

    式中:M為樣本數(shù)量;a為輸入步長。

    步驟三:利用周期項、波動項分量訓(xùn)練樣本的預(yù)測值與實際值構(gòu)建均方誤差(MSE)作為優(yōu)化GPR 超參數(shù)的適應(yīng)度函數(shù):

    步驟四:設(shè)置POA、SCSO、CO種群規(guī)模為30,最大迭代次數(shù)為100,其他采用算法默認(rèn)值。初始化蜣螂、珍鲹、獵豹個體位置。

    本文基于二次有理式協(xié)方差函數(shù)(RQ)構(gòu)建GPR 模型,GPR 核函數(shù)、噪聲方差、協(xié)方差搜索空間分別設(shè)置為[0.01,10]、[0.01,10]、[0.1,100];SVM 選擇RBF 徑向基核函數(shù),懲罰因子、核函數(shù)參數(shù)、不敏感損失系數(shù)搜索空間分別設(shè)置為[0.01,100]、[0.01,100]、[0.000 1,0.1];RBF 擴(kuò)展速度搜索空間設(shè)置為[0.001,1 000]。為驗證優(yōu)化效果,WPT-GPR模型超參數(shù)采用試算法確定;所有模型的輸入數(shù)據(jù)均采用[0,1]進(jìn)行歸一化處理。

    步驟五:基于式(20)計算孔雀、沙貓、獵豹個體適應(yīng)度值,找到并保存最佳個體位置。令t= 1。

    步驟六:分別利用上述POA、SCSO、CO 算法位置更新算子更新個體新位置。

    步驟七:利用位置更新后的孔雀、沙貓、獵豹個體計算適應(yīng)度值,比較并保存當(dāng)前最佳個體位置。

    步驟八:重復(fù)步驟六~步驟八直至滿足算法最大迭代次數(shù)。

    步驟九:輸出最佳個體位置,該位置即為GPR 最佳超參數(shù)向量。利用該向量建立WPT-POA-GPR 等模型對周期項分量[2,4]和波動項分量[2,1]~[2,3]進(jìn)行預(yù)測和加和重構(gòu)。

    步驟十:利用平均絕對百分比誤差MAPE、平均絕對誤差MAE、均方根誤差RMSE和決定系數(shù)DC對模型進(jìn)行評價。其中,MAPE、MAE用于反映模型預(yù)測誤差大小,RMSE用于衡量觀測值同真值之間的偏差,MAPE、MAE、RMSE越小,說明模型性能越優(yōu),預(yù)測精度越高;DC反映變量之間相關(guān)關(guān)系的密切程度,其值越大,說明模型性能越好。

    2 結(jié)果與分析

    構(gòu)建WPT-POA-GPR 等10 種模型對實例年降水量進(jìn)行訓(xùn)練及預(yù)測,結(jié)果見圖3 和圖4;預(yù)測相對誤差、絕對誤差見圖5。

    圖3 年降水量訓(xùn)練誤差Fig.3 Annual precipitation training error

    圖4 年降水量預(yù)測誤差Fig.4 Annual precipitation prediction error

    圖5 年降水量訓(xùn)練-預(yù)測誤差效果對比圖(后6年為預(yù)測樣本)Fig.5 Comparison Chart of Annual Precipitation Training and Prediction Error Effects (the next 6 years are prediction samples)

    依據(jù)圖3~圖5可以得出以下結(jié)論:

    (1) WPT-POA-GPR、WPT-SCSO-GPR、WPT-CO-GPR模型對實例年降水量預(yù)測的MAPE在0.46%~0.52%、MAE在5.25~5.80 mm、RMSE在7.72~8.20 mm 之間,確定性系數(shù)DC≧0.996 7,預(yù)測精度優(yōu)于WPT-POA-RBF、WPT-SCSO-RBF、WPT-CO-RBF、WPT-GPR 模型,遠(yuǎn)優(yōu)化WPT-POA-SVM、WPT-SCSO-SVM、WPT-CO-SVM 模型;模型對實例年降水量訓(xùn)練精度同樣優(yōu)化其他7 種模型。可見,WPT-POA-GPR、WPT-SCSO-GPR、WPT-CO-GPR 模型具有更高的預(yù)測精度和更好的泛化能力,將其用于年降水量時間序列預(yù)測是可行的。

    (2) 與WPT-POA-RBF、WPT-SCSO-RBF、WPT-CORBF 模型和WPT-POA-SVM、WPT-SCSO-SVM、WPT-COSVM 模型相比,WPT-POA-GPR、WPT-SCSO-GPR、WPTCO-GPR 模型預(yù)測的MAPE分別提高64.9%、76.7%以上,表明GPR 在處理高維度、小樣本、非線性等復(fù)雜回歸問題中表現(xiàn)出色,具有較好的擬合精度及泛化性能。

    (3) 與WPT-GPR 模型相比,WPT-POA-GPR、WPTSCSO-GPR、WPT-CO-GPR 模型預(yù)測的MAPE 提高72.8%以上,表明POA、SCSO、CO能有效優(yōu)化GPR超參數(shù),提高GPR預(yù)測性能。

    3 討 論

    提高年降水量預(yù)測精度是水文預(yù)報研究的熱點和難點。然而,由于年降水量影響因素眾多,往往呈現(xiàn)出非線性、多尺度等特征,傳統(tǒng)單一模型難以獲得較好的預(yù)測精度。當(dāng)前,基于“分解算法+預(yù)測模型”的預(yù)測方法已在年降水量預(yù)測研究中得到應(yīng)用,并取得較好的預(yù)測效果,但也存在一定的不足,如文獻(xiàn)[14]建立的模型中,WD分解方法存在分解不徹底,缺乏對高頻數(shù)據(jù)的分析,LSTM 存在計算量大、耗時長等不足;文獻(xiàn)[15]中,VMD 分解方法存在分解數(shù)值K選取困難,TCN 存在運(yùn)行速度慢、超參數(shù)選取依靠人工調(diào)試等不足;文獻(xiàn)[16]中,CEEMDAN 分解方法存在計算量大、復(fù)雜度高等問題;文獻(xiàn)[17]中,EEMD 分解方法存在人為經(jīng)驗添加噪聲、分解分量過多等不足;文獻(xiàn)[18]中,SSA 分解方法存在分解過程復(fù)雜,分解分量多、計算規(guī)模大等不足,SVR 存在超參數(shù)選取困難、處理大規(guī)模數(shù)據(jù)時效果不佳等不足。

    本文融合了WPT 分解方法、POA/SCSO/CO 3 種新型群體智能算法和GPR 預(yù)測器,建立了WPT-POA-GPR、WPTSCSO-GPR、WPT-CO-GP 年降水量時間序列預(yù)測模型,并構(gòu)建 WPT-POA-SVM、WPT-SCSO-SVM、WPT-CO-SVM、WPT-POA-RBF、WPT-SCSO-RBF、WPT-CO-RBF、WPTGPR 對比分析模型,通過文山州年降水量預(yù)測實例驗證了所構(gòu)建的3種模型具有較好的預(yù)測效果,模型及方法可在類似降水量預(yù)測研究中進(jìn)一步研究與推廣。今后可在以下方面作進(jìn)一步研究:

    (1) 通過實例對比驗證WPT 與上述WD、VMD、CEEMDAN、EEMD、SSA分解方法的分解效果。

    (2)通過與傳統(tǒng)粒子群優(yōu)化算法、遺傳算法優(yōu)化GPR 超參數(shù)的對比,進(jìn)一步驗證POA/SCSO/CO 算法在調(diào)優(yōu)GPR 超參數(shù)中的優(yōu)勢。

    (3)本文僅以年降水量數(shù)據(jù)作為模型輸入,未考慮氣象、地形等因素,因此,該模型及預(yù)測精度仍有進(jìn)一步提升的空間。

    4 結(jié) 論

    為提高年降水量預(yù)測精度,本文融合了WPT 方法、POA/SCSO/CO 三種新型群體智能算法和GPR 模型,提出WPTPOA-GPR、WPT-SCSO-GPR、WPT-CO-GPR 預(yù)測模型,并構(gòu)建若干對比模型,結(jié)合具體算例,主要結(jié)論有:

    (1) WPT-POA-GPR、WPT-SCSO-GPR、WPT-CO-GPR模型預(yù)測誤差小于其他對比模型,具有較高的預(yù)測精度和較好的泛化能力,將其用于年降水量時間序列預(yù)測是可行的。模型及方法可為相關(guān)降水量時間序列預(yù)測研究提供參考。

    (2)針對GRP 在超參數(shù)尋優(yōu)時依賴參數(shù)初始值、容易陷入局部最優(yōu)等問題,利用POA、SCSO、CO 優(yōu)化GRP 超參數(shù),不但改善了GPR 預(yù)測性能,而且有效提升了模型的智能化水平,具有較好的適用性。

    (3)針對非線性、非平穩(wěn)較強(qiáng)的年降水量時間序列,利用WPT 對其進(jìn)行平穩(wěn)化處理,可得到更具規(guī)律的周期項分量和波動項分量,顯著提高了年降水量的預(yù)測精度。

    猜你喜歡
    獵豹孔雀降水量
    繪制和閱讀降水量柱狀圖
    你真的認(rèn)識孔雀嗎
    兩只獵豹
    降水量是怎么算出來的
    啟蒙(3-7歲)(2019年8期)2019-09-10 03:09:08
    追捕:獵豹的驚天一跳
    孔雀1
    獵豹
    孔雀
    1988—2017年呼和浩特市降水演變特征分析
    孔雀
    小青蛙報(2016年18期)2016-07-13 02:11:22
    特大巨黑吊av在线直播| 免费电影在线观看免费观看| 成人av一区二区三区在线看| 两性午夜刺激爽爽歪歪视频在线观看| 在线播放无遮挡| 啦啦啦观看免费观看视频高清| 亚洲精品456在线播放app| 狂野欧美白嫩少妇大欣赏| 国模一区二区三区四区视频| 久久久精品欧美日韩精品| 久久精品国产清高在天天线| 久久人人精品亚洲av| 国产成人精品久久久久久| 午夜日韩欧美国产| 级片在线观看| 亚洲欧美日韩高清专用| 久久天躁狠狠躁夜夜2o2o| 91在线精品国自产拍蜜月| a级毛片免费高清观看在线播放| 亚洲av美国av| 一a级毛片在线观看| 一级a爱片免费观看的视频| 亚洲真实伦在线观看| 色综合色国产| 久久精品国产99精品国产亚洲性色| 一区二区三区四区激情视频 | 精品福利观看| 欧美潮喷喷水| 亚洲欧美日韩高清在线视频| av黄色大香蕉| 精品99又大又爽又粗少妇毛片| 又爽又黄无遮挡网站| 成人av在线播放网站| 可以在线观看的亚洲视频| 亚洲最大成人手机在线| 一本一本综合久久| 久久国内精品自在自线图片| 最近手机中文字幕大全| 日韩欧美精品免费久久| 一边摸一边抽搐一进一小说| 六月丁香七月| 亚洲熟妇熟女久久| 日韩三级伦理在线观看| 黑人高潮一二区| 高清日韩中文字幕在线| 久久这里只有精品中国| 热99在线观看视频| 18禁黄网站禁片免费观看直播| 国产午夜精品久久久久久一区二区三区 | 免费黄网站久久成人精品| 亚洲精品乱码久久久v下载方式| 亚洲精品乱码久久久v下载方式| 亚洲精品乱码久久久v下载方式| 精品人妻一区二区三区麻豆 | 一级黄色大片毛片| 黄色日韩在线| 人妻夜夜爽99麻豆av| 婷婷精品国产亚洲av在线| 大型黄色视频在线免费观看| 波多野结衣高清无吗| 色在线成人网| 国产一区二区三区av在线 | 国产午夜福利久久久久久| 国产乱人视频| 久久久午夜欧美精品| 亚洲真实伦在线观看| 精品久久久久久久久亚洲| 3wmmmm亚洲av在线观看| 国产伦精品一区二区三区视频9| 九九久久精品国产亚洲av麻豆| 国产精品一及| avwww免费| 一a级毛片在线观看| 热99在线观看视频| 久久久久久久久大av| 日本 av在线| www.色视频.com| 日韩欧美三级三区| 亚洲自偷自拍三级| 天堂√8在线中文| 男女边吃奶边做爰视频| 欧美一区二区国产精品久久精品| 亚洲国产欧洲综合997久久,| 久久久久久久午夜电影| 亚洲精品国产成人久久av| 免费大片18禁| 免费搜索国产男女视频| 亚洲精品久久国产高清桃花| 亚洲国产精品成人久久小说 | 成人av在线播放网站| 日本黄色片子视频| 午夜久久久久精精品| 日韩大尺度精品在线看网址| 成人一区二区视频在线观看| 国产探花极品一区二区| 网址你懂的国产日韩在线| 久久精品91蜜桃| 免费看a级黄色片| 国产高清激情床上av| 天堂√8在线中文| а√天堂www在线а√下载| 一本久久中文字幕| 国产精品嫩草影院av在线观看| 97超级碰碰碰精品色视频在线观看| 免费看av在线观看网站| 又爽又黄a免费视频| 国产色婷婷99| 国产亚洲精品av在线| 亚洲经典国产精华液单| 国产精品久久久久久久电影| 嫩草影视91久久| 美女大奶头视频| 成人三级黄色视频| 久久久久久伊人网av| 亚洲国产欧美人成| 观看美女的网站| 插阴视频在线观看视频| 少妇熟女欧美另类| 精品日产1卡2卡| 淫妇啪啪啪对白视频| 日韩成人伦理影院| 深夜精品福利| 国产蜜桃级精品一区二区三区| 十八禁网站免费在线| 最近视频中文字幕2019在线8| 免费观看人在逋| 美女内射精品一级片tv| 亚洲欧美日韩高清专用| av女优亚洲男人天堂| 欧美成人免费av一区二区三区| 国产大屁股一区二区在线视频| 成人一区二区视频在线观看| 内射极品少妇av片p| 精品不卡国产一区二区三区| 不卡一级毛片| 人人妻,人人澡人人爽秒播| 国产成人91sexporn| 综合色av麻豆| 欧美xxxx黑人xx丫x性爽| 久99久视频精品免费| 精品日产1卡2卡| 人人妻人人看人人澡| 伊人久久精品亚洲午夜| 日韩国内少妇激情av| 三级国产精品欧美在线观看| 亚洲精品日韩av片在线观看| 天堂动漫精品| 乱人视频在线观看| 99久久无色码亚洲精品果冻| 国产精品一区www在线观看| 久久草成人影院| 啦啦啦观看免费观看视频高清| 欧美激情国产日韩精品一区| 国产精品久久久久久久电影| 日产精品乱码卡一卡2卡三| 日韩欧美三级三区| 男女之事视频高清在线观看| 免费观看的影片在线观看| 非洲黑人性xxxx精品又粗又长| 色尼玛亚洲综合影院| 欧美一级a爱片免费观看看| 日日摸夜夜添夜夜添av毛片| 国产极品精品免费视频能看的| 3wmmmm亚洲av在线观看| 女生性感内裤真人,穿戴方法视频| 日本a在线网址| 国产淫片久久久久久久久| 欧美成人精品欧美一级黄| 成人综合一区亚洲| 久久久久免费精品人妻一区二区| 精品不卡国产一区二区三区| 国产av在哪里看| 99久久中文字幕三级久久日本| 成人漫画全彩无遮挡| 日韩欧美精品免费久久| 一级黄片播放器| 亚洲天堂国产精品一区在线| 久久久久久久久久成人| 12—13女人毛片做爰片一| 深夜a级毛片| 亚洲熟妇中文字幕五十中出| 校园人妻丝袜中文字幕| 欧美色视频一区免费| 女的被弄到高潮叫床怎么办| 99久久精品一区二区三区| 国产高清不卡午夜福利| 日本与韩国留学比较| 日韩三级伦理在线观看| 99九九线精品视频在线观看视频| 日本一二三区视频观看| 特大巨黑吊av在线直播| 99久久精品一区二区三区| 波野结衣二区三区在线| 自拍偷自拍亚洲精品老妇| 精品国产三级普通话版| 变态另类丝袜制服| 97热精品久久久久久| 亚洲成a人片在线一区二区| 男女那种视频在线观看| 伊人久久精品亚洲午夜| 日韩人妻高清精品专区| 日韩制服骚丝袜av| or卡值多少钱| 国产精品久久视频播放| 精品无人区乱码1区二区| 精品久久久噜噜| 欧美最新免费一区二区三区| 久久人人精品亚洲av| 久久久久久国产a免费观看| 久久韩国三级中文字幕| 成人鲁丝片一二三区免费| 国产av麻豆久久久久久久| 成年版毛片免费区| 午夜福利18| 亚洲国产欧美人成| 免费观看的影片在线观看| 99久国产av精品| 免费一级毛片在线播放高清视频| 国产老妇女一区| 欧美日本亚洲视频在线播放| 久久人人爽人人爽人人片va| 亚洲精品久久国产高清桃花| 人妻久久中文字幕网| 久久久欧美国产精品| 1000部很黄的大片| 色综合亚洲欧美另类图片| а√天堂www在线а√下载| 麻豆精品久久久久久蜜桃| 美女被艹到高潮喷水动态| 亚洲人成网站在线播放欧美日韩| 亚洲精品在线观看二区| 九色成人免费人妻av| 国产亚洲av嫩草精品影院| 晚上一个人看的免费电影| 亚洲精华国产精华液的使用体验 | 国产精品一区二区三区四区免费观看 | 久久久成人免费电影| 黄色视频,在线免费观看| 人妻少妇偷人精品九色| 在线播放国产精品三级| 国产精品99久久久久久久久| 中文字幕av成人在线电影| 床上黄色一级片| 高清毛片免费观看视频网站| 少妇熟女欧美另类| 美女被艹到高潮喷水动态| 不卡一级毛片| 男女做爰动态图高潮gif福利片| 欧美激情在线99| 中出人妻视频一区二区| 看片在线看免费视频| 1000部很黄的大片| 精品乱码久久久久久99久播| 一个人观看的视频www高清免费观看| 亚洲精品456在线播放app| av在线亚洲专区| 国产精品福利在线免费观看| 天美传媒精品一区二区| 久久精品夜色国产| 中文字幕人妻熟人妻熟丝袜美| 99久久九九国产精品国产免费| 亚洲精品在线观看二区| 有码 亚洲区| 男人和女人高潮做爰伦理| 日韩欧美国产在线观看| 一个人看的www免费观看视频| 一级黄色大片毛片| av在线老鸭窝| 九色成人免费人妻av| 1024手机看黄色片| 日韩一本色道免费dvd| 人妻制服诱惑在线中文字幕| 午夜福利高清视频| 国产av不卡久久| 国产真实乱freesex| 人人妻人人看人人澡| 亚洲美女黄片视频| 亚洲av一区综合| 国产v大片淫在线免费观看| 伊人久久精品亚洲午夜| 成人三级黄色视频| 日韩强制内射视频| a级毛色黄片| 亚洲最大成人中文| av国产免费在线观看| 亚洲欧美日韩卡通动漫| 色视频www国产| 国产午夜精品论理片| 国产精品福利在线免费观看| 18禁在线播放成人免费| 久久精品国产99精品国产亚洲性色| 国产成人freesex在线 | 国产黄色视频一区二区在线观看 | 国产精品日韩av在线免费观看| 一进一出抽搐动态| 亚洲精华国产精华液的使用体验 | 国产真实伦视频高清在线观看| 舔av片在线| 啦啦啦啦在线视频资源| 成人永久免费在线观看视频| 欧美日本亚洲视频在线播放| 中国国产av一级| 国产单亲对白刺激| 黄色配什么色好看| 国产精品av视频在线免费观看| 夜夜爽天天搞| 亚洲人成网站在线播| 女同久久另类99精品国产91| 日韩三级伦理在线观看| 国产淫片久久久久久久久| 日韩大尺度精品在线看网址| 我的老师免费观看完整版| 亚洲熟妇熟女久久| 秋霞在线观看毛片| 免费一级毛片在线播放高清视频| 欧美又色又爽又黄视频| 我要搜黄色片| 高清毛片免费看| 国产成人精品久久久久久| 日韩av免费高清视频| 人妻系列 视频| 成年人免费黄色播放视频 | 国产高清有码在线观看视频| 婷婷色av中文字幕| 人妻制服诱惑在线中文字幕| 日韩中字成人| 精品卡一卡二卡四卡免费| av黄色大香蕉| 三级国产精品欧美在线观看| 免费av中文字幕在线| 国产亚洲一区二区精品| 成年人免费黄色播放视频 | videossex国产| 午夜影院在线不卡| 亚洲精品亚洲一区二区| 91在线精品国自产拍蜜月| 中文字幕人妻熟人妻熟丝袜美| 亚洲欧美一区二区三区黑人 | 黄色怎么调成土黄色| 久久99热6这里只有精品| 亚洲在久久综合| 欧美bdsm另类| 婷婷色综合www| 美女中出高潮动态图| 自拍偷自拍亚洲精品老妇| 免费观看无遮挡的男女| 又爽又黄a免费视频| 天天操日日干夜夜撸| 欧美性感艳星| 国产爽快片一区二区三区| 欧美区成人在线视频| 国产亚洲欧美精品永久| 秋霞在线观看毛片| 欧美日本中文国产一区发布| 亚洲国产av新网站| 精品一区二区三区视频在线| 免费观看a级毛片全部| 免费av中文字幕在线| 欧美日韩亚洲高清精品| 99精国产麻豆久久婷婷| 国产亚洲91精品色在线| 人妻系列 视频| 国产成人精品福利久久| 中国三级夫妇交换| 欧美精品亚洲一区二区| 高清视频免费观看一区二区| 日韩精品有码人妻一区| 99久国产av精品国产电影| av视频免费观看在线观看| 欧美日韩视频精品一区| 亚洲婷婷狠狠爱综合网| 亚洲av成人精品一区久久| 亚洲精品视频女| 亚洲色图综合在线观看| 亚洲第一av免费看| 免费高清在线观看视频在线观看| 亚洲高清免费不卡视频| 一级毛片aaaaaa免费看小| 哪个播放器可以免费观看大片| 国产在视频线精品| 国产成人午夜福利电影在线观看| 欧美日韩在线观看h| 精品少妇内射三级| 国产淫语在线视频| 人人妻人人澡人人看| 欧美日韩av久久| 麻豆成人av视频| 草草在线视频免费看| 日韩 亚洲 欧美在线| 久久久久国产网址| 自拍欧美九色日韩亚洲蝌蚪91 | 男女边摸边吃奶| 美女福利国产在线| 精品视频人人做人人爽| 91aial.com中文字幕在线观看| 美女内射精品一级片tv| 欧美老熟妇乱子伦牲交| 精品国产一区二区久久| 国产片特级美女逼逼视频| 欧美老熟妇乱子伦牲交| 国内揄拍国产精品人妻在线| 日韩亚洲欧美综合| 伊人久久精品亚洲午夜| 18禁裸乳无遮挡动漫免费视频| 韩国高清视频一区二区三区| 亚洲成人av在线免费| 精品一区在线观看国产| 久久精品国产亚洲av天美| 22中文网久久字幕| 久久国产亚洲av麻豆专区| 亚洲第一av免费看| 国产真实伦视频高清在线观看| 久久国内精品自在自线图片| 中国美白少妇内射xxxbb| 桃花免费在线播放| 天堂俺去俺来也www色官网| 亚洲成人av在线免费| 国产高清国产精品国产三级| 久久精品国产鲁丝片午夜精品| 男女边摸边吃奶| 丰满少妇做爰视频| 高清视频免费观看一区二区| 亚洲一级一片aⅴ在线观看| 丰满饥渴人妻一区二区三| 国产精品久久久久久久电影| av天堂久久9| 欧美精品高潮呻吟av久久| 如日韩欧美国产精品一区二区三区 | 黄色配什么色好看| 日本vs欧美在线观看视频 | 亚洲精品日韩在线中文字幕| 热re99久久国产66热| kizo精华| 国产精品人妻久久久影院| 国产精品久久久久久精品古装| 欧美精品一区二区大全| 国产免费视频播放在线视频| 亚洲精华国产精华液的使用体验| 九色成人免费人妻av| 久久久久久久久久久丰满| 蜜臀久久99精品久久宅男| 最近手机中文字幕大全| 欧美激情国产日韩精品一区| xxx大片免费视频| 九九爱精品视频在线观看| 亚洲精品自拍成人| 大片免费播放器 马上看| 国产又色又爽无遮挡免| 黑人高潮一二区| 亚洲国产成人一精品久久久| 亚洲精品自拍成人| 大香蕉97超碰在线| 大香蕉久久网| 国产亚洲最大av| 高清在线视频一区二区三区| 久久久午夜欧美精品| 久久国内精品自在自线图片| 国产成人一区二区在线| a级毛色黄片| 中文资源天堂在线| 爱豆传媒免费全集在线观看| 香蕉精品网在线| 亚洲精品aⅴ在线观看| 一区二区三区免费毛片| 99re6热这里在线精品视频| 一级片'在线观看视频| 亚洲美女搞黄在线观看| 免费高清在线观看视频在线观看| 一区二区三区乱码不卡18| 久久鲁丝午夜福利片| 我要看日韩黄色一级片| 美女中出高潮动态图| 亚洲国产av新网站| 18禁动态无遮挡网站| 91午夜精品亚洲一区二区三区| 国语对白做爰xxxⅹ性视频网站| 人妻制服诱惑在线中文字幕| 国产视频首页在线观看| 日本欧美视频一区| 亚洲国产精品专区欧美| 天堂俺去俺来也www色官网| 边亲边吃奶的免费视频| 夜夜骑夜夜射夜夜干| 夫妻性生交免费视频一级片| 精品少妇久久久久久888优播| 欧美变态另类bdsm刘玥| 一本—道久久a久久精品蜜桃钙片| 久久久久久人妻| 日本午夜av视频| 韩国高清视频一区二区三区| 制服丝袜香蕉在线| 王馨瑶露胸无遮挡在线观看| 精品人妻熟女毛片av久久网站| 99九九线精品视频在线观看视频| 少妇的逼水好多| 亚洲精品色激情综合| 乱码一卡2卡4卡精品| 男人舔奶头视频| 大香蕉97超碰在线| 三级经典国产精品| 高清不卡的av网站| 日日摸夜夜添夜夜添av毛片| 日本猛色少妇xxxxx猛交久久| 极品少妇高潮喷水抽搐| 亚洲熟女精品中文字幕| 人妻系列 视频| 在线观看av片永久免费下载| 精品久久久精品久久久| www.av在线官网国产| 国产亚洲最大av| h视频一区二区三区| 97超视频在线观看视频| 亚洲精品一区蜜桃| 国产一区二区在线观看日韩| 热re99久久精品国产66热6| 日韩一本色道免费dvd| 久久国内精品自在自线图片| 国产精品一区二区在线观看99| 国产av国产精品国产| 久久久久国产网址| 成人漫画全彩无遮挡| 久久狼人影院| xxx大片免费视频| 老女人水多毛片| 欧美bdsm另类| 在线观看www视频免费| 91久久精品电影网| 午夜福利影视在线免费观看| 夫妻性生交免费视频一级片| 视频中文字幕在线观看| 99国产精品免费福利视频| 一级二级三级毛片免费看| 精品一品国产午夜福利视频| 国产欧美另类精品又又久久亚洲欧美| 又爽又黄a免费视频| 成人国产麻豆网| 简卡轻食公司| 日本黄色日本黄色录像| 久久久久人妻精品一区果冻| 国产成人午夜福利电影在线观看| 日韩av免费高清视频| 日日啪夜夜爽| 中文天堂在线官网| 日本av手机在线免费观看| 免费黄频网站在线观看国产| 亚洲国产av新网站| 老熟女久久久| 日韩不卡一区二区三区视频在线| 精品99又大又爽又粗少妇毛片| 哪个播放器可以免费观看大片| 啦啦啦啦在线视频资源| 这个男人来自地球电影免费观看 | 成人黄色视频免费在线看| 成人二区视频| 中文欧美无线码| 天堂俺去俺来也www色官网| 中文欧美无线码| 91精品国产九色| 欧美bdsm另类| 特大巨黑吊av在线直播| 街头女战士在线观看网站| 久久精品久久久久久久性| 免费人妻精品一区二区三区视频| 三级国产精品片| 中文欧美无线码| 欧美成人精品欧美一级黄| 日韩中字成人| 免费黄网站久久成人精品| 国产伦精品一区二区三区视频9| 老熟女久久久| 国产成人免费观看mmmm| tube8黄色片| 亚洲av福利一区| 在线观看免费视频网站a站| 精品久久国产蜜桃| 蜜桃在线观看..| 偷拍熟女少妇极品色| 亚洲久久久国产精品| 久久精品久久精品一区二区三区| 国产精品一区二区三区四区免费观看| 国产成人免费无遮挡视频| 少妇高潮的动态图| 美女福利国产在线| 波野结衣二区三区在线| 亚洲va在线va天堂va国产| 欧美xxⅹ黑人| 人妻少妇偷人精品九色| 日韩一本色道免费dvd| 免费黄色在线免费观看| 2022亚洲国产成人精品| 嘟嘟电影网在线观看| 亚洲av成人精品一二三区| 日本91视频免费播放| 久久久久视频综合| 黄色欧美视频在线观看| 免费av中文字幕在线| 国产精品不卡视频一区二区| 国产精品三级大全| 午夜福利,免费看| 国产高清有码在线观看视频| 国产精品一区二区在线观看99| 最后的刺客免费高清国语| 欧美区成人在线视频| 国产精品嫩草影院av在线观看| av网站免费在线观看视频| 国产日韩欧美视频二区| 国产熟女午夜一区二区三区 | 亚洲精品中文字幕在线视频 | 精品卡一卡二卡四卡免费| 制服丝袜香蕉在线| 黄色视频在线播放观看不卡| 国产精品福利在线免费观看| 免费看日本二区| 国产精品秋霞免费鲁丝片| 一个人免费看片子|