基于时频分析的 LSTM 组合模型径流预测

分类： 地球科学 >> 地理学 提交时间： 2021-12-14 合作期刊: 《干旱区地理》

蔡文静

摘要： 针对变化环境下径流时间序列复杂的非线性、非平稳性特征，为提高中长期径流预测的准 确性，运用多种时频分析方法构建组合预报模型以探究适用性。以干旱区典型内陆河玛纳斯河为例，利用经验模态分解（EMD）、变分模态分解（VMD）、离散小波变换（DWT）时频分析方法对径流时间序列进行多尺度分解，得到不同频率和特征的子序列。以前期径流、降水量、气温、大气环流因 子等作为长短期记忆神经网络模型（LSTM）的输入变量，采用随机森林法和 Pearson 相关系数法确 定各子序列的最佳预报因子，基于时频分析方法分别构建 EMD-LSTM、VMD-LSTM、DWT-LSTM 组 合预报模型，通过 LSTM 模型对各子序列进行预测，加和重构获得最终预测结果，并与单一的误差 反向传播神经网络（BP）、极限学习（ELM）、LSTM 模型的预测结果进行对比分析。结果表明：组 合模型 VMD-LSTM 预报误差最小、精度最高，纳什系数保持在 0.9 以上，有效避免了过拟合等问题， 其径流极值预测误差在 15%以内，对径流总体趋势预测和极值的追踪均有良好效果。研究结果可为流域水资源规划与调度提供参考。

 点击量 3391  下载量 268  评论