基于改进投影寻踪自回归模型的河川年径流预测

摘要

为了进一步提高中长期径流预测精度,针对历史径流序列的非线性、随机性的特点,采用对原序列先处理再预测的研究思路,吸取小波分析的分频数据处理功能和投影寻踪自回归的高维数据逼近能力,构建基于小波分解的投影寻踪自回归模型.该模型首先利用小波分解方法将年径流序列分解为一个近似信号和多个细节信号,再对不同信号序列分别建立投影寻踪自回归模型进行预测,最后重构各序列预测结果.以克孜河卡拉贝利站年径流为实例进行预测,同时探讨小波分解尺度数对组合模型预测结果的影响.结果表明:与投影寻踪自回归模型、BP神经网络模型和ARMA模型相比,新模型提高了预测精度,增强了预测稳定性,并且尺度数对组合模型的预测结果影响不大.