基于VMD-LSTM模型的三峡水库水面蒸发量预测研究OA北大核心CSTPCD
为减少水面蒸发非线性、复杂性和不稳定性等特征带来的预测误差,基于“分解-预测-重构”的策略,提出VMD-LSTM水面蒸发预测模型。该模型耦合长短期记忆神经网络(LSTM)与变分模态分解法(VMD),利用变分模态分解将水面蒸发及其主要影响因素分解为相同数量的子模态分量以降低数据的非平稳性,将对应子模态分量作为长短期记忆神经网络的输入,构建VMD-LSTM深度神经网络混合模型,并应用于三峡水库巴东站的月水面蒸发量预测。结果表明:VMD-LSTM模型较…查看全部>>
彭玉洁;张冬冬;徐高洪;王卫光;郭卫;林涛涛
长江水利委员会水文局,湖北武汉430010 河海大学水文水资源学院,江苏南京210098长江水利委员会水文局,湖北武汉430010长江水利委员会水文局,湖北武汉430010河海大学水文水资源学院,江苏南京210098长江水利委员会水文局,湖北武汉430010长江水利委员会水文局长江三峡水文水资源勘测局,湖北宜昌443000
水利科学
水面蒸发预测变分模态分解长短期记忆神经网络三峡水库
《人民长江》 2024 (10)
P.110-118,9
国家自然科学基金联合基金项目(U2240218)国家自然科学基金项目(52309004)。
评论