基于WD-COA-LSTM模型的月降水量预测

作     者：王文川 杨静欣 臧红飞 WANG Wenchuan;YANG Jingxin;ZANG Hongfei

作者机构：华北水利水电大学水资源学院河南郑州450046 

出 版 物：《水资源与水工程学报》 (Journal of Water Resources and Water Engineering)

年 卷 期：2022年第33卷第4期

页      面：8-13,23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] 

基　　金：河南省重点研发与推广专项(202102310259、202102310588) 河南省高校科技创新团队(18IRTSTHN009) 

主　　题：月降水量预测 小波分解 郊狼优化算法 长短期记忆神经网络 

摘      要：为进一步提高月降水量预测精度,提出了基于小波分解(WD)和郊狼优化(COA)算法的长短期记忆神经网络(LSTM)降水量预测模型(WD-COA-LSTM)。首先用小波分解对时间序列进行预处理,消除序列的非平稳性,得到1个低频序列和3个高频序列;然后通过郊狼优化算法对神经网络(LSTM)模型进行参数优化;最后将各子序列预测值叠加得到月降水量预测值。将提出的模型应用于洛阳市栾川县白土镇和洛宁县故县镇两个雨量站的月降水量预测中,并与LSTM、COA-LSTM、WD-LSTM模型预测结果进行对比。结果表明:提出的WD-COA-LSTM模型的预测精度最高,说明小波分解和郊狼优化算法能有效加强LSTM模型预测的精度和泛化能力,为月降水量的预测提供了一种新的途径。