基于ARIMA-CNN-LSTM模型的黄河开封段水位预测研究

作者：陈帅宇; 赵龑骧; 蒋磊

来源：水利水电快报, 2023, 44(01): 15-22.

DOI：10.15974/j.cnki.slsdkb.2023.01.002

• 水位预测
• 时间序列分析
• ARIMA
• CNN
• LSTM
• 黄河

为准确预测水文条件复杂的黄河开封段水位变化，提出一种基于ARIMA-CNN-LSTM的多变量水位预测模型。该模型通过综合考虑水位的多重影响因素，结合卷积神经网络(CNN)和长短时记忆网络(LSTM)来学习数据中的非线性特征，同时应用ARIMA模型进行参数校正，从而实现对黄河开封段水位未来一段时间的预测。结果表明：相较于LSTM模型、CNN-LSTM模型、ARIMA模型以及BP神经网络模型，ARIMA-CNN-LSTM模型的预测精度更高，对峰值反应更灵敏，可以更加精准地预测未来一段时间的黄河开封段水位变化。

• 单位
  河南大学