基于二次分解技术与十种“鸟”群算法优化的OSELM月径流预测

打开文本图片集

摘要：为提高月径流时间序列预测精度，改进在线惯序极限学习机（Online Sequential Extreme Learning Machine，OSELM）预测性能，对比验证十种“鸟"群算法——凉亭鸟优化（Satin Bowerbird Optimizer，SBO）算法/哈里斯鹰优化（Harris Hawks Optimization，HHO）算法/海鸥优化算法（Seagull Optimization Algorithm，SOA）/非洲秃鹭优化算法（African Vultures OptimizationAlgorithm，AVOA）/白骨顶鸟优化算法（Coot Optimization Algorithm，COOT）/优化算法（Pelican Optimization Algorithm，POA）/鹰栖息优化（EaglePerchingOptimization，EPO）算法/鱼鹰优化算法（Osprey Optimization Algorithm，OOA）优化性能，提出时变滤波器经验模态二次分解（Time VaryingFiltering BasedEmpirical Mode Decomposition，TVFEMD"））-十种“鸟"群算法-OSELM月径流时间序列预测模型。（剩余17054字）