摘要：径流集合预报在水资源决策管理中具有重要作用。现有预报系统的性能受限于输入数据、模型参数和结构的不确定性,且预报精度与集合规模密切相关。为了解决此问题,通过耦合信号分解技术与人工智能预报模型,采用CEEMDAN分解技术处理非平稳径流序列,结合人工神经网络和支持向量机进行子序列预报,通过多模型、多参数预报结果随机组合扩展预报样本集形成径流集合预报结果,最终提出一种基于信号分解的多模型多参数集合径流预报方法。雅砻江锦屏一级水库入库径流验证表明:该方法径流预报结果的Nash可提升至0.84,集合预报的覆盖率达到55%,同时将集合规模扩展至1042量级,显著优于传统多模型方法。该方法可精准提取径流序列特征周期项与趋势项,有效提高了预报精度并降低预报的不确定性,可适用于非线性非平稳水文序列预报,可为水库调度决策提供支撑。
