闫国辉，乔长录，陈伏龙

（石河子大学水利建筑工程学院，新疆石河子832000）

0 引 言

径流预测是进行流域水资源优化配置的前提，但是目前还难以用物理成因分析法准确预报未来某一时段的径流值。径流过程是一个十分复杂的过程，涉及水文与气象等多个因素，受随机因素的影响，过程表现出非线性且非平稳的特点［1］。径流预报的主要方法有传统统计方法、概率论方法、模糊集理论等方法［2-4］。随着计算机技术的进步，新的预测方法也逐渐出现，例如支持向量机、人工神经网络以及模糊数学等。同时对径流内部变化规律的掌握，以及对径流序列中噪声的处理，也有助于提高模型预测精度。目前常用的径流序列分析方法有主成分分析法、小波分解方法、经验模态分解法（Empirical Mode Decomposition，EMD）和变分模态分解法（Variational Modal Decomposition，VMD）［5-7］。新方法的产生，并不代表着旧方法的落伍。寻求不同方法的优点，并将不同方法进行耦合建模，构建具有更高预测精度的预测模型是目前径流预测的一个新的研究方向。陈旭等［8］提出了基于EMD 和PSO 的耦合模型，对汾河上游的年径流进行了预测，得到了较为满意的结果。吕晗芳等［9］构建了VMD-LSSVM 模型，对上静游等水文站的月径流进行了预测，并与单一LSSVM 模型预测结果进行对比，提高了模型的预测性能。梁浩等［10］构建了多种模型耦合的预测模型，对渭河流域的径流进行了预测，体现了"分解-合成"预测方法的适用性。但目前对EMD方法应用时，多数未考虑到分解得到的高频分量中含噪声信号过多，未对高频分量进行处理。……