基于 RIME-VMD-SSA-LSTM 法研究非生态因素 影响的来水预报模型

• 作者: 段宇 黄君 杨关友 洪国仁 段娟
• 来源期刊: 云南水力发电
• 关键词: 深度学习 短期来水预测 VMD-LSTM 预测精度
• 年，卷（期）: 2024,（5）
• 所属期刊栏目: 水文、水资源、水利规划
• 页码范围: 53-59
• 页数: 7页
• 语种: 中文

摘要

对于上下游电站群落较多的来水预测问题，使用传统水文模型预测水库来水流量误差较大，流量测点信息包含大量非线性影响因素。以鲁布革电站汛期来水数据为例，采用RIME-VMD-SSA-LSTM组合算法研究上游具有较强非生态因素干扰的水库短期来水流量预测模型。结果显示，基于该算法提出的流量预测模型，4项评价指标（RMSE=8.8743、MAE=6.3193、MAPE=3.5335%、R2=0.98631）较好，最大预测误差控制在50%以内，相对于LSTM法及VMD-LSTM算法，在有较强非生态因素干扰下，可更精确地预测短期来水情况。