BriefGPT - AI 论文速递
·
一种实现新的全步骤分解式采样技术的混合水位预测模型在实际应用中的研究
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种新颖的FSDB采样技术，用于水文时间序列预测中的分解模型，以避免引入未来信息。该技术应用于三个不同站点的水位时间序列预测，结果显示使用FSDB采样技术的VMD-based混合模型和SSA-based实验的预测性能均有所提高。因此，该技术可以提高水位时间序列预测中分解模型的性能。
🎯
关键要点
-
水文时间序列预测中需要适当预处理非平稳信号，以避免引入未来信息。
-
本文设计了一种新颖的完全逐步分解（FSDB）采样技术。
-
FSDB采样技术应用于分解模型，严格避免引入未来信息。
-
该技术在中国国阳和巢湖流域三个不同站点的水位时间序列预测中取得了应用。
-
使用FSDB采样技术的VMD-based混合模型在三个站点的Nash-Sutcliffe Efficiency（NSE）系数分别提高了6.4%、28.8%和7.0%。
-
对于SSA-based实验，NSE系数分别提高了3.2%、3.1%和1.1%。
-
FSDB采样技术可以提高水位时间序列预测中分解模型的性能。
➡️
