基于改进支持向量机的气象干旱预测方法

作     者：王雪妮 郝舒哲 常建波 邓显羽 WANG Xue-ni;HAO Shu-zhe;CHANG Jian-bo;DENG Xian-yu

作者机构：山西省地质调查院太原030006 太原理工大学水利科学与工程学院太原030024 中水东北勘测设计研究有限责任公司长春130021 

基　　金：山西省科技厅基础研究计划项目(202203021222112) 

出 版 物：《沈阳农业大学学报》 (Journal of Shenyang Agricultural University)

年 卷 期：2023年第54卷第5期

页      码：599-606页

摘      要：气象干旱制约着区域农业生产活动,通过监测预报、提前部署可有效降低其带来的危害。基于“先分解,后重构”思想,将自适应噪声完备经验模态分解法(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)、灰狼优化算法(grey wolf optimization,GWO)和支持向量机(support vector machine,SVM)相结合,构建CEEMDAN-GWO-SVM组合机器学习模型。以山西省1956−2007年逐月自适应帕默尔干旱指数(self-calibrated palmer drought severity index,scPDSI)为训练集,以2008−2020年逐月scPDSI值为测试集。采用scPDSI预测值与实际值之间的均方误差、平均绝对误差及决定系数作为评价指标,对该模型的预测效果进行了评价,并比较了该模型与常用的GWO-SVM和随机森林模型预测结果。结果表明:相较于两种常用机器学习模型,基于CEEMDAN-GWO-SVM模型预测得到的均方根误差可分别降低7.6%和19.5%,平均绝对误差分别降低19.9%和27.4%,决定系数则分别提高5.6%和20.3%,预测的干旱等级和实际情况接近。CEEMDAN-GWO-SVM模型预测精度优于GWO-SVM模型和随机森林模型,在气象干旱预测中具有较好的适用性。

主 题 词：自适应帕默尔干旱指数 自适应噪声 完备经验模态分解法 灰狼优化算法 支持向量机 干旱预测 山西省 

学科分类：082802[082802] 08[工学] 0828[工学-建筑类] 081501[081501] 09[农学] 0815[工学-矿业类] 0903[农学-动物生产类] 

D　O　I：10.3969/j.issn.1000-1700.2023.05.012

馆 藏 号：203124670...