科研之友
微信
新浪微博
Facebook
分享链接
摘要
水库水位预测为其运营、防洪、水资源调度管理提供了重要决策支持.准确可靠的预测对水资源的优化管理起着至关重要的作用.针对水库水位数据的非线性、不稳定性以及复杂的时空特性，提出一种融合自适应变分模态分解(VMD)、卷积神经网络(CNN)和门控循环单元(GRU)的混合水库水位预测模型.VMD通过对水位序列进行分解消除噪声，CNN用于有效提取水位数据的局部特征，GRU用于提取水位数据的深层时间特征.以葠窝水库日水位为例，与多个相关模型对比分析，结果表明：精度方面，新模型在选取的评价指标上均表现最佳；运算效率方面，本文选择的GRU与长短时记忆网络(LSTM)相比，运算效率显著提高.新模型预测的高精度、高运算效率更能满足实际水库水位实时调度的需求.
- 单位
