基于VMD和IGWO组合模型的可降水量预测研究

作     者：李冰艳 张文煜 杨成林 寇梦刚 张昕宇 李明俊 

作者机构：郑州大学地球科学与技术学院/计算机与人工智能学院 澳门科技大学创新工程学院 

出 版 物：《水文》 (Journal of China Hydrology)

年 卷 期：2024年

学科分类：07[理学] 070601[理学-气象学] 0706[理学-大气科学] 

基　　金：中部区域积层混合云人工增雨(雪)研究试验(商丘)(ZQC-H22256) 第二次青藏高原综合科学考察研究项目(2019QZKK0104) 

主　　题：可降水量预测 变分模态分解 智能优化 组合模型 

摘      要：水资源短缺是世界面临的重大问题，人工增雨能提高降水转化率从而增加降水量，缓解水资源短缺问题，但是如何选择作业时机是提高降水转化率的难点。随着探测技术的发展，能够观测获取的表征水汽的主要参量是可降水量（PWV）。由于环境和观测的影响，PWV序列通常具有非线性和非平稳性的特征，这些特性为PWV的精准预测带来挑战，文章构建一种集数据分解和多模型预测于一体的组合模型，并针对郑州站微波辐射计观测的PWV数据进行多步预测。该模型采用变分模态分解（VMD）技术对PWV序列进行分解和去噪，采用反向传播神经网络（BPNN）、长短期记忆网络（LSTM）、双向门控循环单元（BiGRU）和时间卷积网络（TCN）模型分别预测分解的数据，最后采用改进的灰狼优化算法（IGWO）确定模型的最佳权重，通过加权组合得到最终预测值。结果表明，即使在5步预测中，与VMD-BiGRU、VMD-BP、VMD-LSTM和VMD-TCN相比，新构建的组合模型均方根误差最少也分别降低了50.0%、67.6%、57.9%和17.2%，验证了模型具有较好的稳定性和良好的泛化能力，能为降水预测，判断人工降水时机提供支撑。