来源：期刊VIP网 时间：
作者：孙瑜辉;王庆杰;岳春芳;
单位：乌鲁木齐水业投资发展集团有限公司;四川水发勘测设计研究有限公司;新疆农业大学水利与土木工程学院;
摘要：基于“分解—集成”策略的径流预测模型是现有研究中提高预测精度的主流方式之一。分解—集成建模方式主要有后验试验(HE)、预测试验(FE)和自适应预测试验(AFE)3种方式，已有研究主要聚焦于HE的改进，忽视了各建模方式的实用性研究。基于此，在梳理各类建模方式特性的基础上，以天山山系中两条典型的内陆河为例，选用BP神经网络(BP)、支持向量机(SVM)和随机森林(RF)为基准预测模型，基于变分模态分解(VMD)和互补集合经验模态分解(CEEMD)分别构建多种分解—集成预测模型，并探索了AFE与基准模型交叉融合后的预测能力。仿真结果表明，HE建立时提前使用了测试数据信息，与预测实际不符；FE在测试数据分解时受端点效应影响严重，预测精度极低；AEF符合逐时段观测—滚动分解—实时建模预测的实际，基于VMD和CEEMD的AFE模型对径流极大值的预测精度较高。在AFE类模型中，VMD的适应性更强，可实现流域汛期月径流的高精度预报。基于VMD分解的自适应交叉融合模型能够取得与HE模型相当甚至更高的预测精度，对径流预测精度的提高具有实际意义。
关键词：径流预测;;端点效应;;变分模态分解;;后验试验;;预测试验;;自适应预测试验
基金资助：新疆维吾尔自治区重大科技专项项目(2022A02003-5)
