论文部分内容阅读
＂分解–预测–重构＂模式作为一种新的预测思路,已被广泛用于非平稳径流序列的中长期预测。但由于分解之后高频分量预测精度较差,致使该模式的预测效果并不理想。本文采用径向基神经网络（RBF）、自回归模型（AR）以及均生函数模型（MGF）分别对陕北无定河丁家沟站实测径流由经验模态分解（EMD）得到的高频分量进行预测,利用贝叶斯模型加权平均法（BMA）对其集成,着重分析比较了基于BMA的集成方法和单一模型的预测效果,验证了BMA方法在处理高频分量误差控制方面的可行性。结果显示基于BMA的高频分量预测的相对误差绝对平