基于黏菌算法优化VMD-CNN-GRU模型的年径流预测

作者：徐冬梅; 夏王萍; 王文川^*

来源：南水北调与水利科技（中英文）, 2022, 20(03): 429-439.

DOI：10.13476/j.cnki.nsbdqk.2022.0043

• 变分模态分解算法
• 黏菌算法
• 卷积神经网络
• 门控循环单元神经网络
• 径流预测

为提高年径流预测精度，引入黏菌算法(slime mould algorithm, SMA)和变分模态分解算法(variational mode decomposition, VMD),提出一种基于卷积神经网络(convolutional neural network, CNN)和门控循环单元(gated recurrent unit, GRU)神经网络的组合预测模型(VMD-SMA-CNN-GRU)。利用VMD对径流数据进行分解；采用SMA优化CNN-GRU模型参数，构建模型对每个分量进行预测；各分量结果相加得到最终结果。以兰西水文站为例，将所建模型与CEEMDAN (complete ensemble empirical mode decomposition with adaptive noise)-CNN-GRU、VMD-CNN-LSTM(long short-term memory)、VMD-LSTM、VMD-GRU、VMD-PSO (particle swarm optimization)-CNN-GRU、SMA-CNN-GRU和CNN-GRU预测模型进行对比分析。结果表明：SMA优化的VMD-CNN-GRU模型预测精度不仅高于上述7种模型，而且避免了人工试算确定CNN-GRU模型参数效率低的不足，为年径流预测提供了一种新方法。

• 单位
  华北水利水电大学