在本研究中,分别使用单日和多日水头输入,比较了PSO-BPNN、PSO-SVR和ANFIS在森林流域日径流预测中的性能。首先利用小波建模框架对水文时间序列进行分解和去噪,以提高预测性能。通过讨论小波去噪方法的几个关键问题,应用七个阈值函数对水文序列的确定性成分和噪声进行识别和分离。选用三层小波和db3母小波对原始序列进行Ssoft去噪。RS和WS均用于日流量预测,并评估了PSO-BPNN、PSO-SVR和ANFIS的预测能力。WS模型在所有情况下都比RS模型表现出更好的结果。对WS模型的进一步比较表明,PSO-SVR模型优于PSO-BPNN和ANFIS模型,在所有模型中,提前4天的SVR_WS在各种模型效率方面表现最佳。由于气候和地形的影响,月坛盆地的日流量数据中极值非常常见。低流量和峰值流量估算的比较表明,PSO-SVR模型在峰值流量预测方面略优于其他模型,而ANFIS模型在低流量预测方面表现最佳。
由于去噪阶段提高了预测性能,并且所提出的模型可以用于水文时间序列的短期预测,因此很难确定一种能够保持其极值预测精度的方法。这里获得的结果仅限于单一应用,需要进一步研究,以评估更多的案例,并通过引入分段函数模型或其他新方法来提高预测能力。