径流预报的极点对称模态分解-Elman网络模型

针对径流序列非线性、非平稳的特点,将极点对称模态分解(ESMD)方法与Elman神经网络模型相结合,建立了ESMD-Elman神经网络组合模型,并应用于长江上游干支流8站的年、月径流预报.首先利用ESMD方法将径流序列分解为各模态分量和趋势余项;然后利用Elman神经网络模型分别预测各平稳序列;最后加和重构得到最终预测结果.结果表明:组合模型预报精度大于单一模型,与ESMD-BP神经网络组合模型比,ESMD-Elman神经网络组合模型的8站年径流预报结果的平均相对误差(MAPE)平均降低3.6％,均方根误差(RMSE)平均降低7.8％,确定性系数平均提高5.0％;8站月径流预报结果的MAPE平均降低3.0％,RMSE平均降低2.8％,具有"分解→预测→重构"特点的组合模型提高了预报精度.