基于SVM-CEEMDAN-BiLSTM模型的日降水量预测

• 作者: 凌铭 肖丽英 赵嘉 王萍根 王寅 项凯 蔡高堂
• 来源期刊: 人民珠江
• 关键词: 日尺度降水量 预测 深度学习 BiLSTM网络
• 年，卷（期）: 2024,（9）
• 所属期刊栏目: 综合
• 页码范围: 65-72
• 页数: 8页
• 语种: 中文

摘要

针对日尺度降水序列中极大值与无雨日预测精度低的问题，提出基于支持向量机(SVM)、完全集合经验模态分解(CEEMDAN)和双向长短期记忆神经网络(BiLSTM)的降水预测耦合模型。将提出的模型应用于鄱阳湖流域景德镇站和赣县站2个典型站点的日降水量预测中，并与各种传统模型组合的预测结果进行了对比。结果表明：耦合模型的降水预测结果与实测结果基本一致且精度最高，为日尺度降水量预测中极大值与无雨日预测精度低的问题提供了一种解决参考。