Current Location:home > Detailed Browse

Article Detail

基于时频分析的 LSTM 组合模型径流预测

Submit Time: 2021-12-14
Author: 蔡文静 1 ;
Institute: 1. 石河子大学水利建筑工程学院,新疆 石河子 832000;

Abstracts

针对变化环境下径流时间序列复杂的非线性、非平稳性特征,为提高中长期径流预测的准 确性,运用多种时频分析方法构建组合预报模型以探究适用性。以干旱区典型内陆河玛纳斯河为例,利用经验模态分解(EMD)、变分模态分解(VMD)、离散小波变换(DWT)时频分析方法对径流时间序列进行多尺度分解,得到不同频率和特征的子序列。以前期径流、降水量、气温、大气环流因 子等作为长短期记忆神经网络模型(LSTM)的输入变量,采用随机森林法和 Pearson 相关系数法确 定各子序列的最佳预报因子,基于时频分析方法分别构建 EMD-LSTM、VMD-LSTM、DWT-LSTM 组 合预报模型,通过 LSTM 模型对各子序列进行预测,加和重构获得最终预测结果,并与单一的误差 反向传播神经网络(BP)、极限学习(ELM)、LSTM 模型的预测结果进行对比分析。结果表明:组 合模型 VMD-LSTM 预报误差最小、精度最高,纳什系数保持在 0.9 以上,有效避免了过拟合等问题, 其径流极值预测误差在 15%以内,对径流总体趋势预测和极值的追踪均有良好效果。研究结果可为流域水资源规划与调度提供参考。
Download Comment Cooperative journals:《干旱区地理》 Hits:2857 Downloads:159
Recommended references: 蔡文静.(2021).基于时频分析的 LSTM 组合模型径流预测.干旱区地理.[ChinaXiv:202112.00066] (Click&Copy)
Version History
[V1] 2021-12-14 18:29:51 chinaXiv:202112.00066V1 Download
Related Paper

Download

Current Browse

Change Subject Browse

Cross Subject Browse

  • - NO