来源：期刊VIP网 时间：
作者：王庆杰;岳春芳;刘长升;朱灵芝;
单位：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：分解-集成模型能显著提高预测精度，但部分模型不恰当地使用测试集数据，其高精度的预测结果备受质疑。基于数据分布特性分析技术评估分析后验试验框架(HE)和预测试验框架(FE)2类典型分解-集成模型的性能差异机理，以2个典型水库的月径流预测为例，以误差逆传播神经网络(BP)、支持向量机(SVM)、随机森林(RF)为基准模型，以变分模态分解(VMD)和互补集合经验模态分解(CEEMD)为分解算法分别构建模型，在分析各类模型预测结果的基础上，综合利用高斯核密度估计、偏度、样本熵等技术识别各类模型训练集与测试集的数据分布特性。从预测精度看，HE训练集和测试集上的预测精度远高于单一模型；FE在训练集上与HE模型相近，在测试集上远低于单一模型。从训练集、测试集分布特性上看，训练集上单一模型的偏度值为2.03,而HE、FE模型各分解分量的偏度介于0～1.52之间；训练集、测试集的样本熵差异在单一模型上为0.13,在HE、FE模型各分解分量上分别介于0.01～0.25、0.47～1.18之间。HE使用整体分解方式，分解后训练数据的复杂程度低、代表性强，建立的模型拟合性能高、预测性能强；FE使用并行—分步分解方式，训练数据—测试数据间出现显著的协变量偏移，建立的模型拟合性能虽高但预测性能不达标。研究结果可为分解—集成预测建模的改进提供参考。
关键词：分解集成;;径流预测;;端点效应;;后验试验框架;;预测试验框架
基金资助：新疆维吾尔自治区重大科技专项项目(2022A02003-5)
