基于STL-WPT-RFO-HLSTSVR模型的月径流时间序列预测

打开文本图片集

摘要：为提高月径流时间序列预测精度，改进最小二乘孪生支持向量回归机（Least Squares Twin Support VectorRegression，LSTSVR）性能，首次基于高斯核函数、多项式核函数、线性核函数构建混合核函数，提出4种季节趋势分解（Seasonal and Trend decompositionusing Loess，STL）-小波包变换（Wavelet Packet Transform，WPT）-裂狐优化（Ruppell'sFox Optimizer，RFO）算法-混合核最小二乘孪生支持向量回归机（Hybrid Kermel Least Squares TwinSupport Vector Regresion，HLSTSVR）模型，并构建STL-WPT-RFO-LSTSVR、STL-WPT-RFO-混合核最小二乘支持向量回归机（Hybrid Kerllel Least Squares Twin Suppart Vector Regression，HLSSVR）、STL-WPT-RFO-最小二乘支持向量回归机（Least Squares Support Vector Regression，LSSVR）等17种对比分析模型，通过云南省高桥、凤屯水文站月径流时间序列预测实例对21种模型进行验证。（剩余16918字）