水库水位的VMD-CNN-GRU混合预测模型

作者：韩莹; 王乐豪; 魏平慧; 李占东; 周文祥

来源：南京信息工程大学学报(自然科学版), 2022, 1-11.

• 水位预测
• 变分模态分解
• 门控循环单元
• 卷积神经网络
• 深度学习

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进行实证分析，通过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，运算效率提高显著。新模型预测的高精度、高运算效率更适合实际水库水位实时调度的需求。

• 单位
  上饶农业技术创新研究院; 上饶师范学院; 自动化学院; 南京信息工程大学