基于LASSO-MODWT的赤水河水位预测特征选择法

从预测赤水河3h、6h水位的实际应用场景出发,提出了一种集成LASSO-MODWT的特征选择和分解方法,旨在寻找一个用于赤水站水位预测的精简而具备解释能力的模型。为了选取最适合作为模型输入的特征,实验中基于LASSO回归对原始输入集进行特征选择,并利用最大重叠离散小波变换(MODWT)对选择得到的特征进行成分分解,最后采用多元线性回归作为基础模型测试LASSO-MODWT的性能。实验中,分别将原始输入集、经过LASSO选择后的输入集以及经过LASSO-MODWT得到的特征集作为模型输入,验证模型性能。实验结果显示:基于LASSO-MOMWT进行特征选择分解对赤水站未来3h和6h的水位预测性能都有显著提升,3h预测的RMSE、MAE和NSE分别为0.029m、0.011m和0.998。