基于EMD-LSTM模型的河流水量水位预测

• 作者: 孙涛 梁雪春 王亦斌 谢海洋
• 来源期刊: 水利水电科技进展
• 学科: 工学
• 关键词: 水量预测 水位预测 中值滤波 经验模式分解方法 长短期记忆神经网络
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 工程技术
• 页码范围: 40-47
• 页数: 8页
• 分类号: TV125
• 语种: 中文
• DOI: 10.3880/j.issn.1006-7647.2020.06.008

摘要

基于经验模式分解方法和长短期记忆网络(empirical model decomposition and long short-term memory network,EMD-LSTM)模型对水位数据进行预测.先采用中值滤波对数据序列进行预处理,然后对数据序列进行EMD分解,并对EMD分解的每个特征序列使用LSTM模型进行预测,最后叠加各个序列预测值,得到最终的预测结果.以南水北调工程某河流每隔1h的瞬时流量、流速和水深监测数据为研究对象,采用EMD-LSTM模型进行建模,试验结果表明,该模型能够实现水位、水速和瞬时流量连续12 h和6 h的准确预测,且比LSTM模型具有更高的预测精度,可为水位预判和水资源的实时调度提供决策依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁雪春		49	431	13.0	19.0
2	孙涛		2	5	1.0	2.0
3	王亦斌		1	0	0.0	0.0
4	谢海洋		1	0	0.0	0.0