基于CEEMDAN-LSTM的陶岔渠首水深预测

• 作者: 陈伟 吕学斌 梁雪春
• 来源期刊: 人民黄河
• 学科: 工学
• 关键词: 水深预测 中位值平均滤波法 CEEMDAN分解 LSTM神经网络模型 陶岔渠首
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 水资源
• 页码范围: 89-94
• 页数: 6页
• 分类号: TV213.4
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1379.2022.05.019

摘要

采用基于自适应噪声的完全经验模态分解-长短期记忆神经网络模型(CEEMDAN?LSTM)对水深进行预测.首先利用中位值平均滤波法对数据进行预处理,再采用CEEMDAN方法对历史水深序列进行分解获得历史水深的高、低频以及残差序列,然后对得到的各个分量使用LSTM神经网络预测,最后叠加各分量预测值重构水深预测结果.以陶岔渠首为研究对象,CEEMDAN?LSTM模型测试结果表明:该模型相比支持向量机回归、BP神经网络、长短期记忆神经网络、经验模态分解-长短期记忆神经网络模型有更强的预测性能.