DFA＿VMD＿LSTM组合日径流预测模型研究

作者：孙望良; 周建中^*; 彭利鸿; 徐占兴; 莫莉; 胡斯曼; 何飞飞

来源：水电能源科学, 2021, 39(03): 12-15.

• 日径流预测
• 变分模态分解
• 去趋势波动分析
• 长短时记忆神经网络

为有效提取径流序列的局部特征信息、提高神经网络径流预测模型的非线性拟合能力和预测性能,引入变分模态分解(VMD)、去趋势波动分析(DFA)方法,提出了一种基于长短时记忆(LSTM)神经网络的组合日径流预测模型(DFAVMDLSTM),并采用均方误差(RRMSE)、平均绝对误差(MMAE)、平均绝对百分误差(MMAPE)以及确定性系数(DDC)统计指标对模型进行评价。在三峡水库的径流预测研究中,经过与其他三种典型数据驱动模型的预测结果对比发现,DFAVMDLSTM组合日径流预测模型在不同评价指标上均有显著提升,说明该模型可充分挖掘径流序列组成特性,学习历史长程依赖,能有效提高径流预报精度。

• 单位
  国家电网公司; 华中科技大学