改进的EEMD-NNBR耦合模型在年径流预测中的应用

摘要

基于极值中心三次样条插值法对集合经验模态分解(EEMD)技术进行改进,在此基础上将改进的EEMD与最近邻抽样回归模型(NNBR)结合,提出了改进的EEMD-NNBR耦合模型.改进的EEMD能对上、下极值点进行较好的拟合,且将序列均值延拓到序列两端以减缓端点效应.首先由改进的EEMD分解年径流序列,得到各本征模函数IMF和趋势项,然后分别对各本征模函数和趋势项建立最近邻抽样回归模型得到各分解序列的预测值,最后将预测值累加即为年径流预测值.将改进的EEMD-NNBR耦合模型用于屏山站年径流预测,并与EEMD-NNBR耦合模型对比,其预测值的平均相对误差由10.08％提高到8.59％,表明建议模型能提高径流预测精度.