典型文献
基于小波包变换的ROA-ELM大坝变形多步预测模型
文献摘要：
为提高大坝变形时间序列多步预测精度,引入小波包变换(WPT)、鱼优化算法(ROA)和极限学习机(ELM),提出WPT-ROA-ELM大坝变形时间序列多步预测模型,并应用于岳城水库大坝变形多步预测.首先,介绍ROA原理,在不同维度条件下选取6个典型函数对ROA进行仿真验证;其次,利用2层WPT将大坝变形时序数据分解为4个子序列分量,达到降低大坝变形时序数据复杂性和不平稳性的目的;最后利用ROA优化ELM输入层权值和隐含层偏值,建立WPT-ROA-ELM模型对各子序列分量进行多步预测,将预测结果加和重构得到最终大坝变形多步预测结果,同时构建WPT-ROA-SVM、WPT-ROA-BP作对比分析模型.结果表明:ROA具有较好的寻优精度和全局搜索能力;WPT-ROA-ELM模型对实例大坝变形超前1步～超前5步预测的平均绝对百分比误差在0.12％～3.10％之间,小于WPT-ROA-SVM模型的1.98％～6.13％和WPT-ROA-BP模型的0.87％～7.41％,尤以超前1步～超前3步的预测效果最好,其平均绝对百分比误差均≤0.58％;WPT-ROA-ELM模型能充分发挥WPT、ROA和ELM优势,表现出较好的预测精度和稳定性能,预测误差随着预测超前步数的增加而增大.
文献关键词：
变形预测;小波包变换;鱼优化算法;极限学习机;多步预测;仿真测试
中图分类号：
作者姓名：
陈金红;崔东文
作者机构：
云南省水利水电投资有限公司, 昆明 650051;云南省文山州水务局, 云南文山 663000
文献出处：
引用格式：
[1]陈金红;崔东文-.基于小波包变换的ROA-ELM大坝变形多步预测模型)[J].三峡大学学报（自然科学版）,2022(06):21-27
A类：
B类：
于小波,小波包变换,ROA,ELM,大坝变形,变形时间,时间序列多步预测,WPT,极限学习机,岳城水库,水库大坝,不同维度,型函数,仿真验证,时序数据,数据分解,子序列,平稳性,输入层,权值,隐含层,寻优精度,全局搜索,搜索能力,平均绝对百分比误差,尤以,稳定性能,预测误差,前步,步数,变形预测,仿真测试
AB值：
0.209607
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
