WPT-FLA-RELM模型的马鹿塘水电站入库日径流多步预测

摘要

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。