不同模态分解方法结合ＬＳＴＭ模型对日径流预报的影响

• 作者: 谭永杰 王现勋 段茗续 刘亚茹 姚华明
• 来源期刊: 人民珠江
• 关键词: 日径流预报 长短期记忆网络 完整集合经验模态分解 网格搜索参数寻优算法 宜昌水文站
• 年，卷（期）: 2024,（12）
• 所属期刊栏目: 综合
• 页码范围: 68-76
• 页数: 9页
• 语种: 中文

摘要

针对日径流序列不平稳性与波动性的特点，尝试将模态分解和深度学习组合预测方法引入至日径流预报。首先，采用完整集合经验模态分解方法对日径流时间序列进行分解，得到不同频率成分的模态分量；其次，为不同的模态分量构建长短期记忆神经网络日径流预测模型，并采用网格搜索参数寻优算法优化预报模型的超参数；最后将各模型预报结果进行模态重组获得日径流预报结果。以宜昌水文站日径流预报为研究实例，所构建的组合模型较单一长短期记忆神经网络的和分别降低了65.02%、58.35%与2.88%,且运用完整集合经验模态分解方法的分解效果优于传统的模态分解方法，为短时间尺度下的非线性和非平稳的日径流预报提供了新的方法和参考。