基于门控循环单元—支持向量回归组合模型的湖泊水位预测方法探索

作者：刘惟飞; 陈兵; 余周

来源：科学技术与工程, 2022, 22(33): 14870-14880.

DOI：10.3969/j.issn.1671-1815.2022.33.040

• 集成学习
• 水位预测
• GRU-SVR
• 组合模型

为改善传统循环神经网络预测梯度消失的问题，准确预测水位变化，采用门控循环单元(gated recurrent unit, GRU)和支持向量回归(support vector regression, SVR)构建组合预测模型，对广州市猎德涌的源头西湖水位进行预测。选择了3种不同核函数下的GRU-SVR(多项式核、RBF核、Sigmoid核)模型，并确定了最佳核函数组合，探索了GRU组合模型在水文时序预测中的有效性。该组合模型通过GRU提取雨量与水位间时空特征，SVR增强整体的非线性预测能力。结果表明，GRU-SVR(多项式核)适用于湖泊降雨时期预测，与CNN-GRU及GRU、SVR相比，该模型整体预测精度分别提升了3.2%、10.3%和59.3%。

• 单位
  华南理工大学