TVFEMD寻优分解与智能算法优化的FLN土壤含水量预测

来源：湖北农业科学杂志2025年第5期北京时间：

作者：田宇1, 崔东文2

单位：1.云南省水利水电勘测设计院,昆明 650021;2.文山壮族苗族自治州水务局,云南 文山 663000

摘要：以云南省天星站和坡脚站10、20、40 cm 3个土层的土壤含水量观测数据为基础,通过改进时变滤波经验模态分解(TVFEMD)和快速学习网(FLN)方法构建基于多种优化算法的预测模型(TVFEMD-BSLO/AO/IVYA/EGO/PSO-FLN),提升土壤含水量时间序列预测精度。通过比较各优化算法的模型性能,为土壤水分预测提供更优的建模方法。结果表明,TVFEMD分解效果主要受带宽阈值和B样条阶数2个关键参数影响。采用IVYA算法优化这2个参数可提升时间序列分解质量,进而改善模型预测性能。TVFEMD-BLSO/AO/IVYA/EGO-FLN模型在训练集上表现出卓越的预测性能,其平均绝对百分比误差（MAPE）为0.002%~0.077%,决定系数（R2）为0.999 7~1.000 0;预测集中的MAPE为0.006%~0.459%,R2为0.996 6~1.000 0。与TVFEMD-PSO-FLN模型相比,TVFEMD-BLSO/AO/IVYA/EGO-FLN模型在拟合性能和预测精度方面均有明显提升。采用BLSO、AO、IVYA和EGO算法优化FLN超参数可有效提升模型性能,其中IVYA算法的优化效果较突出。

关键词：时变滤波经验模态分解(TVFEMD),算法优化,快速学习网（FLN）,土壤含水量,预测

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