基于EEMD-NGO-LSTM神经网络耦合的月径流预测模型及应用

作者：张冲; 王千凤; 齐新虎; 王思宇; 陈末^*

来源：水力发电, 2023, 1-9.

• 月径流预测
• 集成经验模态分解
• 北方苍鹰优化算法
• 长短期记忆神经网络
• 耦合模型
• 预测精度

为了提高径流序列的稳定度和精度，减小参数优化不当导致的非线性误差，研究将长短期记忆神经网络(LSTM)、集成经验模态分解(EEMD)和北方苍鹰优化算法(NGO)相结合，构建了EEMD-NGO-LSTM耦合预测模型。将此预测模型应用于模拟东辽河中下游的控制总站——王奔水文站2012年～2021年逐月径流过程，并与鲸鱼算法(WOA)以及灰狼算法(GWO)优化的长短期记忆神经网络进行模型比较。结果表明，EEMD-NGO-LSTM耦合预测模型的超参数迭代速度最快，精度最高，预测结果最接近实测值，其决定系数R2为0.864 3。而后采用CMIP6气候模式(SSP126情景)下的2030年的降水、气温数据输入模型进行预测，在气温上升1℃，降水不变的情景下，年径流量将增加6.61%；在降水升高5%，气温不变的情景下，年径流量将增加6.95%；在气温上升1℃、降水升高5%的情境下，年径流量将增加22.16%。

• 单位
  黑龙江大学