人民黄河

作者：邓智予, 谢静, 崔东文

单位：1.云南省水利水电勘测设计院有限公司，云南 昆明 650021；2.云南省文山州水务局，云南 文山 663000

关键词：地下水位预测；多级经验小波变换；算法；混合核极限学习机；实例目标函数；超参数优化

基金：国家自然科学基金资助项目(41702278)；中国地质调查局地质调查项目（DD20221758,DD20190326）

为提高地下水位预测精度，提出多级经验小波变换(MEWT)方法，并基于热量传递搜索(HTS)算法、库仑-富兰克林算法(CFA)、移动阻尼波算法(MDWA)、热交换优化(TEO)算法、晶体结构算法(CryStAl)、菲克定律优化算法(FLA)、能量谷优化(EVO)算法、雾凇优化算法(ROA)、传播搜索算法(PSA)、吸引-排斥优化算法(AROA)共十种“物理”算法和HKELM预测器，提出MEWT-HTS/CFA/MDWA/TEO/CryStAl/FLA/EVO/ROA/PSA/AROA-HKELM地下水位预测模型，并以云南省陈官、临安、东城水文站地下水位时间序列预测实例对各模型进行验证。首先，利用MEWT对地下水位时间序列进行二级分解；其次，基于各分量训练集构建HKELM超参数优化实例目标函数，利用十种“物理”算法对实例目标函数进行极值寻优；最后，构建MEWT-HTS/CFA/MDWA/TEO/CryStAl/FLA/EVO/ROA/PSA/AROA-HKELM模型对实例地下水位时间序列各分量进行预测和重构。结果表明：HTS/CFA/CryStAl/FLA/EVO/ROA/PSA/AROA寻优能力优于MDWA，明显优于TEO；MEWT-HTS/CFA/CryStAl/FLA/EVO/ROA/PSA/AROA-HKELM模型对陈官、临安、东城预测的平均绝对百分比误差(MAPE)分别为0.486 2%~0.341 2%、0.266 9%~0.222 4%、0.048 6%~0.044 8%，决定系数(DC)在0.999 9以上，具有理想的预测效果；十种“物理”算法寻优性能与十种模型预测精度具有较好的一致性，总体上算法寻优性能越强，获得的HKELM超参数越优，所构建的模型预测精度越高；MEWT具有分解效果好、分解分量少等优点，是一种简捷高效的分解方法。

来源：2026年第6期

《人民黄河》期刊编辑部

查看人民黄河杂志2026年第6期