摘要：在面對具有隨機(jī)性、突變性的復(fù)雜時間序列數(shù)據(jù)(如流量等水文時間序列數(shù)據(jù))時,傳統(tǒng)單一的模型的預(yù)測精度不盡人意,對單一模型的優(yōu)化不能完全克服其局限性。因此,文中提出一種基于WNN-SVM組合的水文時間序列預(yù)測模型。首先對水文時間序列數(shù)據(jù)作均值歸一化處理,然后對預(yù)處理后的水文時間序列進(jìn)行小波分解,將分解后的子序列通過相空間重構(gòu)的方法使其從低維時間序列向高維轉(zhuǎn)換;根據(jù)其分解后的特點(diǎn),對尺度變換序列采用支持向量機(jī)(SVM)進(jìn)行建模預(yù)測,小波變換序列采用小波神經(jīng)網(wǎng)絡(luò)(WNN)進(jìn)行建模預(yù)測,再將兩者的預(yù)測結(jié)果進(jìn)行小波重構(gòu),得到原始序列預(yù)測值。隨后采用屯溪流域1980年至2007年43996個小時流量數(shù)據(jù)進(jìn)行實(shí)驗(yàn)驗(yàn)證,結(jié)果表明該模型的預(yù)測精度高于單一模型,證明了該模型的有效性。