基于EMD-LSTM-ANFIS模型的年径流预测研究

作     者：胡顺强 崔东文 HU Shunqiang;CUI Dongwen

作者机构：云南省文山州水利电力勘察设计院云南文山663000 云南省文山州水务局云南文山663000 

出 版 物：《人民珠江》 (Pearl River)

年 卷 期：2021年第42卷第3期

页      面：46-52页

学科分类：08[工学] 081501[工学-水文学及水资源] 0815[工学-水利工程] 

主　　题：径流预测 经验模态分解 长短期记忆神经网络 自适应神经模糊推理系统 相空间重构 

摘      要：为提高径流预测精度,提出基于经验模态分解(EMD)和长短期记忆(LSTM)神经网络、自适应神经模糊推理系统(ANFIS)相结合的径流预测模型。通过EMD将原始径流序列分解成多个更具规律的分量序列,利用自相关函数法(AFM)和虚假最邻近法(FNN)对每个分量序列进行相空间重构,确定输入、输出向量,建立EMD-LSTM-ANFIS预测模型,并构建EMD-LSTM、EMD-ANFIS、LSTM、ANFIS作对比模型,利用建立的5种模型对云南省龙潭站年径流进行预测及对比分析。结果表明:EMD-LSTM-ANFIS模型对实例年径流预测的平均相对误差为3.18%,平均相对误差较EMD-LSTM、EMD-ANFIS、LSTM、ANFIS模型分别降低55.0%、65.2%、68.1%、78.4%,具有更高的预测精度和更强的泛化能力。EMD-LSTM-ANFIS模型用于径流预测是可行和可靠的。