纳齐尔、马蒙纳、费萨尔、舒克里、加尼、阿哈卡特、艾哈迈德、水文时间序列分析的多分解混合模型SP - 2782715 VL - 2019 AB -水文过程的准确预测是水资源优化配置的关键。为了提高水文时间序列数据的预测精度，本文基于去噪、分解和分解分量预测与汇总三个阶段的原理，开发了两种新的混合模型。将该体系结构应用于印度河流域系统的日河流入流时间序列数据。将所提模型与传统单阶段模型(不去噪分解)、混合两阶段模型(去噪分解)和已有的三阶段混合模型(去噪分解)进行了性能比较。采用平均相对误差(Mean Relative Error, MRE)、平均绝对误差(Mean Absolute Error, MAE)和均方误差(Mean Square Error, MSE)三种评价方法来评价所有模型的预测精度。与现有的单阶段和两阶段模型相比，所提出的三阶段混合模型在所有案例研究中均显示出最小的MRE、MAE和MSE的预测精度。综上所述，通过对水文时间序列数据进行去噪分解，降低了数据的复杂性，提高了预测精度。SN - 1076-2787 UR - https://doi.org/10.1155/2019/2782715 DO - 10.1155/2019/2782715 JF -复杂性PB - Hindawi KW - ER -