VMD-LSTM模型对不同预见期月径流的预测研究OACSTPCD
为减小径流时间序列的非线性及非平稳性带来的预测误差,提高多种预见期下的月径流预测精度,将变模态分解(VMD)和长短期记忆神经网络(LSTM)模型相结合,建立了VMD-LSTM组合预测模型,并将大气环流因子作为模型输入的增加项,预测未来1~3个月的月径流。将模型应用于黄河流域上游唐乃亥、民和、享堂、红旗及折桥站的月径流预测以验证模型的适用性,并与VMD-BP(BP神经网络)、VMD-SVR(支持向量回归)及单一LSTM模型相比较。结果表明:VMD-…查看全部>>
祁继霞;粟晓玲;张更喜;张特
西北农林科技大学水利与建筑工程学院,陕西杨凌712100西北农林科技大学水利与建筑工程学院,陕西杨凌712100 西北农林科技大学旱区农业水土工程教育部重点实验室,陕西杨凌712100西北农林科技大学旱区农业水土工程教育部重点实验室,陕西杨凌712100西北农林科技大学旱区农业水土工程教育部重点实验室,陕西杨凌712100
农业科技
月径流预测变模态分解长短期记忆神经网络大气环流预见期
《干旱地区农业研究》 2022 (6)
P.258-267,10
评论