摘要：在面對具有隨機性、突變性的復雜時間序列數據(如流量等水文時間序列數據)時,傳統單一的模型的預測精度不盡人意,對單一模型的優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測模型。首先對水文時間序列數據作均值歸一化處理,然后對預處理后的水文時間序列進行小波分解,將分解后的子序列通過相空間重構的方法使其從低維時間序列向高維轉換;根據其分解后的特點,對尺度變換序列采用支持向量機(SVM)進行建模預測,小波變換序列采用小波神經網絡(WNN)進行建模預測,再將兩者的預測結果進行小波重構,得到原始序列預測值。隨后采用屯溪流域1980年至2007年43996個小時流量數據進行實驗驗證,結果表明該模型的預測精度高于單一模型,證明了該模型的有效性。