基于VMD-SSA-LSTM的月径流预测模型及应用

被引：43

作者：

孙国梁 ^{[1
,2
]}

李保健 ^{[1
,2
]}

徐冬梅 ^{[1
,2
]}

李宇鹏 ^{[1
]}

机构：

[1] 华北水利水电大学水资源学院

[2] 华北水利水电大学河南省黄河流域水资源节约集约利用重点实验室

来源：

水电能源科学 | 2022年 / 40卷 / 05期

关键词：

月径流预测; 变分模态分解; 麻雀搜索算法; 长短期记忆神经网络;

D O I：

暂无

中图分类号：

P333.1 [水量平衡];

学科分类号：

070209 [计算物理];

摘要：

为提高月径流预测精度，提出了变分模态分解(VMD)和麻雀搜索算法(SSA)与长短期记忆神经网络(LSTM)相耦合，建立了月径流预测模型(VMD-SSA-LSTM)。首先利用VMD对历史径流数据进行分解，然后依据SSA对LSTM的参数进行寻优，并将分解出的月径流分量输入到LSTM神经网络，最后将每个分量的预测值相加，得到月径流预测值，并以福建池潭水库1950～2019年的月径流数据对模型进行验证。结果表明，与LSTM、VMD-LSTM模型相比，VMD-SSA-LSTM模型的预测精度更高，为开展月径流预测工作提供了一种新的选择。

引用

页码：18 / 21

页数：4

共 5 条

[1]

基于SA-LSTM的水电站站间流量动态滞时关系 [J].