基于EMD-DELM-LSTM组合模型的湖泊水位多时间尺度预测OA北大核心CSTPCD
Multi-time Scale Prediction for Lake Water Level Based on EMD-DELM-LSTM Combined Model
针对水位时间序列具有线性与非线性混合、不确定性高等特点带来的预测困难问题,提出了一种基于经验模态分解(EMD)、长短时记忆网络(LSTM)和深度极限学习机(DELM)的EMD-DELM-LSTM组合模型,其中DELM和LSTM采用并联结构预测,并与EMD串联连接.首先使用EMD将原始信号分解为若干个具有单一特征的本征模态函数(IMFs),再将IMFs分类重组为高、中、低频信号后输入DELM-LSTM并联结构中进行预测并重构.以广州某大学重要湖泊为…查看全部>>
Given the challenges associated with predicting water level time series,attributed to their mixed linear and nonlinear characteristics and high uncertainty,we propose a combined model,termed EMD-DELM-LSTM,in-tegrating empirical mode decomposition(EMD),long-short-term memory network(LSTM),and deep extreme learning machine(DELM).In this framework,DELM and LSTM operate in parallel and in series with EMD.Ini-tially,the original signal is decomposed into distinct…查看全部>>
余周;姜涛;范鹏辉;牛超群;陈兵
华南理工大学环境与能源学院,广州 510006华南理工大学环境与能源学院,广州 510006华南理工大学环境与能源学院,广州 510006华南理工大学环境与能源学院,广州 510006华南理工大学环境与能源学院,广州 510006
地球科学
水位预测EMD-DELM-LSTM经验模态分解多时间尺度分析人工神经网络
water level predictionEMD-DELM-LSTMempirical mode decompositionmulti-time scale analysisartificial neural network
《长江科学院院报》 2024 (6)
28-35,8
国家自然科学基金项目(51978278)
评论