基于混合GA优化LSTM的中小流域流量预测研究

• 作者: 张甲甲 万定生
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 混合遗传算法 长短时记忆神经网络 中小流域 流量预测
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 仿真应用研究
• 页码范围: 283-287,342
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2022.02.054

摘要

为了提高中小流域流量预测的精度,提出一种混合遗传算法(SP_GA)优化长短时记忆神经网络(LSTM)的流量预测模型(SP_GA-LSTM).由于LSTM模型参数难以确定,因此采用SP_GA进行参数寻优.SP_GA算法在遗传算法中引入粒子群算法公式作为变异算子,并且在种群进化后期进行模拟退火操作,以此提高算法的收敛速度和全局搜索能力.通过对龙山流域2010年1月到2014年7月39998个小时流量数据进行仿真,结果表明SP_GA算法优化LSTM的方法能够有效提高中小流域流量预测的稳定性和精度.