基于LSTM-SVM模型的河流流量预测

作者：张琴琴; 刘文强; 陈之鸿; 郝永红^*

来源：天津师范大学学报（自然科学版）, 2023, 43(06): 45-52.

DOI：10.19638/j.issn1671-1114.20230607

• 长短时记忆神经网络
• 支持向量机
• 河流流量
• 预测
• 拒马河流域

基于长短时记忆神经网络（LSTM）处理中长期时间序列方面的优势和支持向量机（SVM）泛化能力强的特点，提出了一种LSTM-SVM混合模型，并应用于海河流域拒马河逐日流量模拟和预测中，探究该模型的适用性.基于流域内逐日气象数据及水文数据资料，分别利用LSTM和LSTM-SVM构建水文模型，并通过性能评估指标对其进行分析.结果表明：(1) 2种模型在预测河流流量时表现良好，具有可靠性；(2)时间步长为4 d时，模型预测结果的精度最高，混合模型效果优于LSTM模型，具体表现在LSTM-SVM模型模拟结果的离散度比LSTM模型小，更具稳定性.因此，LSTM-SVM混合模型在中长期河流流量预测中具有应用潜力.

• 单位
  天津师范大学