基于GWO-PE-VMD-ResNet組合模型的日徑流預(yù)測(cè)

摘要： 傳統(tǒng)“分解-集成”徑流預(yù)測(cè)模型存在預(yù)測(cè)效率低、忽略分量預(yù)測(cè)誤差等問題，為此提出一種基于灰狼優(yōu)化算法(GWO)、排列熵(PE)、變模態(tài)分解(VMD)和殘差網(wǎng)絡(luò)(ResNet)的預(yù)測(cè)日徑流的組合模型(GWO-PE-VMD-ResNet)。首先，構(gòu)建以排列熵為適應(yīng)度函數(shù)的GWO算法對(duì)VMD分解參數(shù)進(jìn)行搜索，減少人為選擇參數(shù)的不確定性；其次，利用選定分解參數(shù)的VMD算法將日徑流數(shù)據(jù)分解...