基于TVF-EMD-PSO-GRU的月径流模型与应用研究

作     者：王秀杰 张帅 田福昌 苑希民 曹鲁赣 Wang Xiujie;Zhang Shuai;Tian Fuchang;Yuan Ximin;Cao Lugan

作者机构：天津大学水利工程仿真与安全国家重点实验室天津300072 天津大学建筑工程学院天津300072 

出 版 物：《天津大学学报（自然科学与工程技术版）》 (Journal of Tianjin University：Science and Technology)

年 卷 期：2022年第55卷第8期

页      面：802-810页

核心收录：

学科分类：08[工学] 081501[工学-水文学及水资源] 0815[工学-水利工程] 0714[理学-统计学（可授理学、经济学学位）] 0701[理学-数学] 

基　　金：国家重点研发计划资助项目(2018YFC1508403) 科技部重点领域创新团队项目(2014RA031) 

主　　题：黄河流域 月径流预测 TVF-EMD 粒子群优化算法 门限循环单元 

摘      要：准确的径流预测在水资源规划和管理中发挥着重要作用.然而,受气候变化和人类活动等因素的影响,径流形成过程十分复杂,具有高度的非线性和非平稳性,更增加了径流预报的难度.为提高月径流预测精度,提出了基于时变滤波器的经验模态分解(TVF-EMD)和结合粒子群优化算法(PSO)的门限循环单元(GRU)的混合模型(TEPG).首先利用TVF-EMD将原始月径流序列分解为若干个固有模态函数(IMF),然后再利用PSO-GRU模型分别对每一个IMF进行预测,最后将每个IMF的预测结果相加得到原始月径流序列最终的预测结果.以黄河干流4个代表性水文站(包括唐乃亥站、头道拐站、花园口站、利津站)为研究对象,应用该模型对这4个测站的月径流进行单步预测研究,并与PSO-GRU(PG)模型、基于互补经验模态分解(CEEMD)的PSO-GRU(CPG)模型和基于经验模态分解(EMD)的PSO-GRU模型(EPG)进行对比分析.选用纳什效率系数NSE、相关系数R、均方根误差RMSE、预报合格率QR及预报精度等级等评价指标对模型预测精度进行评价.结果表明,与PG模型、CPG模型、EPG模型相比,TEPG模型具有更高的预测精度和更好的泛化能力,4个水文站的NSE均达到0.981及以上,R均达到0.992及以上,RMSE最大仅为64.031 m^(3)/s,QR均达到84.7%及以上,预报精度等级均为乙等及以上.因此,TEPG模型在预测非平稳和非线性月径流序列中具有较好的应用前景.