VMD-LSTM模型对不同预见期月径流的预测研究

作者：祁继霞; 粟晓玲^*; 张更喜; 张特

来源：干旱地区农业研究, 2022, 40(06): 258-267.

• 月径流预测
• 变模态分解
• 长短期记忆神经网络
• 大气环流
• 预见期

为减小径流时间序列的非线性及非平稳性带来的预测误差，提高多种预见期下的月径流预测精度，将变模态分解(VMD)和长短期记忆神经网络(LSTM)模型相结合，建立了VMD-LSTM组合预测模型，并将大气环流因子作为模型输入的增加项，预测未来1～3个月的月径流。将模型应用于黄河流域上游唐乃亥、民和、享堂、红旗及折桥站的月径流预测以验证模型的适用性，并与VMD-BP(BP神经网络)、VMD-SVR(支持向量回归)及单一LSTM模型相比较。结果表明：VMD-LSTM组合模型的预测误差最小、精度最高，相比单一LSTM模型，其纳什效率系数(NSE)约从0.6～0.7提高到0.9以上；融合大气环流因子后VMD-LSTM模型预测精度进一步提高，NSE保持在0.91～0.96之间；随着预见期的增长，VMD-LSTM模型预测精度衰减较VMD-BP和VMD-SVR模型明显变缓，在3个月预见期时NSE仍能保持在0.84～0.95之间。VMD-LSTM模型是月径流预测的一种有效方法，结果可为研究区月径流预测提供参考。

• 单位
  西北农林科技大学; 建筑工程学院