郑芳芳，王文圣，张岚婷

(四川大学水利水电学院，四川 成都 610065)

中长期水文预测对防汛抗旱、水资源管理与保护等具有重要意义[1]。水文学者对中长期水文预测开展了大量研究，常用途径有模糊分析法、灰色系统分析方法、小波分析方法[2-3]、人工神经网络模型(ANN)、支持向量机(SVM)、最近邻抽样回归模型(NNBR)及其相关耦合模型等[4-5]。基于相似原理建立的NNBR在水文中长期预测中进行了应用[6-7]，随后提出了基于小波分析的NNBR模型、NNBR与SVM的耦合模型[8]、自适应NNBR和ANN的耦合模型[9]，研究表明NNBR模型及其组合预测精度较高，并且通常操作简便，无需识别参数。集合经验模态分解方法(Ensemble Empirical Mode Decomposition，EEMD)能将具有非线性、非平稳特点的径流序列从不同时间尺度逐级分解出来[10-11]，分解序列能较好地反映原始序列真实的多时间演变特征和周期成分，具有良好的局部自适应性和直观性。将EEMD与NNBR模型耦合，可充分利用2种方法的优势，不失为一种新的组合方式。文献[10]将该组合方式用于降水预测中并表明组合模型是可行的。但EEMD也存在不足，比如采用三次样条插值对信号上、下极值点进行拟合时，由于极值分布不均匀导致拟合的包络线不能正确反映信号的包络形状， 且端点处无法确定极大值和极小值，同时对极值点进行插值拟合时会产生较大的误差[12]。针对这2个问题，本文采用极值中心三次样条插值法对EEMD进行改善并与NNBR结合，建立了改进的EEMD-NNBR耦合模型。将改进的EEMD-NNBR耦合模型应用于金沙江屏山站年径流预测中，研究表明建议模型是有效的。……