检索结果-南通市图书馆

VMD-LSTM模型对不同预见期月径流的预测研究

在线全文

学校读者我要写书评

暂无评论

干旱地区农业研究 2022年第6期40卷 258-267页

作者：祁继霞粟晓玲张更喜张特西北农林科技大学水利与建筑工程学院陕西杨凌712100 西北农林科技大学旱区农业水土工程教育部重点实验室陕西杨凌712100

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... 详细信息

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。

关键词：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

基于数据分解与斑马算法优化的混合核极限学习机月径流预测

在线全文

学校读者我要写书评

暂无评论

长江科学院院报 2024年第6期41卷 42-50页

作者：李菊崔东文云南开放大学城市建设学院昆明650500 云南省文山州水务局云南文山663000

为提高月径流预测精度,改进混合核极限学习机(HKELM)预测性能,提出小波包分解(WPT)-斑马优化算法(ZOA)-HKELM组合模型。利用WPT处理月径流时序数据,构建局部高斯径向基核函数和全局多项式核函数相混合的HKELM;通过ZOA优化HKELM超参数(... 详细信息

为提高月径流预测精度,改进混合核极限学习机(HKELM)预测性能,提出小波包分解(WPT)-斑马优化算法(ZOA)-HKELM组合模型。利用WPT处理月径流时序数据,构建局部高斯径向基核函数和全局多项式核函数相混合的HKELM;通过ZOA优化HKELM超参数(正则化参数、核参数、权重系数),建立WPT-ZOA-HKELM组合模型,并构建WPT-遗传算法(GA)-HKELM、WPT-灰狼优化(GWO)算法-HKELM、WPT-鲸鱼优化算法(WOA)-HKELM、WPT-ZOA-极限学习机(ELM)、WPT-ZOA-最小二乘支持向量机(LSSVM)、ZOA-HKELM作对比模型,通过黑河流域莺落峡、讨赖河水文站月径流时间序列预测实例对各模型进行检验。结果表明:(1)莺落峡、讨赖河水文站月径流时间序列WPT-ZOA-HKELM模型预测的平均绝对百分比误差分别为1.054%、0.761%,决定系数均达0.999 9,优于其他对比模型,具有更高的预测精度,预测效果更好。(2)利用ZOA优化HKELM超参数,可提高HKELM预测性能,优化效果优于GWO、WOA、GA。(3)预测模型能充分发挥WPT、ZOA和HKELM优势,提高月径流预测精度;在相同分解和优化情形下,HKELM的预测性能优于ELM、LSSVM。

关键词：月径流预测时间序列斑马优化算法混合核极限学习机小波包变换超参数优化

基于CEEMDAN-VMD-BP模型的月径流量预测研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

华北水利水电大学学报（自然科学版） 2023年第1期44卷 32-40,48页

作者：王文川杜玉瑾和吉邱林华北水利水电大学水资源学院河南郑州450046 黄河水利委员会西峰水文水资源勘测局甘肃庆阳745099

为进一步提高月径流量的预测精度,采用自适应噪声的完全集合经验模态分解方法(CEEMDAN)分解实测月径流数据,并计算各模态分量的样本熵(SE);然后利用变分模态分解(VMD)对样本熵最大的分量进行二次分解,以削弱序列的非平稳性;将各分量作... 详细信息

为进一步提高月径流量的预测精度,采用自适应噪声的完全集合经验模态分解方法(CEEMDAN)分解实测月径流数据,并计算各模态分量的样本熵(SE);然后利用变分模态分解(VMD)对样本熵最大的分量进行二次分解,以削弱序列的非平稳性;将各分量作为BP神经网络模型的输入进行训练、预测,再将各分量预测结果线性叠加得最终预测结果,提出了二次分解组合预测模型(CEEMDAN-VMD-BP)。以洪家渡水电站和长水水文站实测月径流数据作为研究对象,将提出的模型与BP模型、CEEMDAN-BP模型预测结果进行对比。结果表明:组合模型预测精度高于单一模型;融和VMD方法后的二次分解模型的拟合优度高于一次分解组合模型,验证了CEEMDAN-VMD-BP模型的高效性。

关键词：月径流预测二次分解 CEEMDAN VMD 样本熵

基于TVF-EMD与LSTM神经网络耦合的月径流预测研究

在线全文

学校读者我要写书评

暂无评论

中国农村水利水电 2022年第2期 76-81,89页

作者：王文川高畅徐雷华北水利水电大学水资源学院郑州450046

为了有效提高非平稳非线性径流序列的预测精度,采用具有自适应序列特征的时变滤波经验模态分解(TVF-EMD)与长短期记忆神经网络(LSTM)耦合,构成TVF-EMD-LSTM预测模型。首先利用TVF-EMD方法自适应地将径流序列分解为高频序列和低频序列;进... 详细信息

为了有效提高非平稳非线性径流序列的预测精度,采用具有自适应序列特征的时变滤波经验模态分解(TVF-EMD)与长短期记忆神经网络(LSTM)耦合,构成TVF-EMD-LSTM预测模型。首先利用TVF-EMD方法自适应地将径流序列分解为高频序列和低频序列;进而,利用LSTM神经网络对分解后的序列分别预测;最终,将预测结果加和重构为最终径流预测结果。提出的模型应用于洛河流域长水水文站月径流预测,并与LSTM模型、EMD-LSTM模型和CEEMDAN-LSTM模型进行对比。结果表明:TVF-EMD-LSTM神经网络耦合模型预测精度最高,预测误差最小。由此可见,TVF-EMD能更好地缓解模态混叠问题,可为径流序列的数据预处理提供更好的方式,提出的TVF-EMD耦合模型也为月径流预测提供了一种有效的新方法。

关键词：月径流预测时变滤波经验模态分解长短期记忆神经网络耦合模型长水水文站

基于VMD-SSA-LSTM的月径流预测模型及应用

在线全文

学校读者我要写书评

暂无评论

水电能源科学 2022年第5期40卷 18-21页

作者：孙国梁李保健徐冬梅李宇鹏华北水利水电大学水资源学院河南郑州450046 华北水利水电大学河南省黄河流域水资源节约集约利用重点实验室河南郑州450046

为提高月径流预测精度,提出了变分模态分解(VMD)和麻雀搜索算法(SSA)与长短期记忆神经网络(LSTM)相耦合,建立了月径流预测模型(VMD-SSA-LSTM)。首先利用VMD对历史径流数据进行分解,然后依据SSA对LSTM的参数进行寻优,并将分解出的月径流... 详细信息

为提高月径流预测精度,提出了变分模态分解(VMD)和麻雀搜索算法(SSA)与长短期记忆神经网络(LSTM)相耦合,建立了月径流预测模型(VMD-SSA-LSTM)。首先利用VMD对历史径流数据进行分解,然后依据SSA对LSTM的参数进行寻优,并将分解出的月径流分量输入到LSTM神经网络,最后将每个分量的预测值相加,得到月径流预测值,并以福建池潭水库1950~2019年的月径流数据对模型进行验证。结果表明,与LSTM、VMD-LSTM模型相比,VMD-SSA-LSTM模型的预测精度更高,为开展月径流预测工作提供了一种新的选择。

关键词：月径流预测变分模态分解麻雀搜索算法长短期记忆神经网络

基于变分模态分解和贝叶斯神经网络的月径流预测方法研究

在线全文

学校读者我要写书评

暂无评论

基于变分模态分解和贝叶斯神经网络的月径流预测方法研究

作者：张璐河北工程大学

学位级别：硕士

径流过程是地球上水文循环中的重要一环,径流来水量的精准预测对于流域的水量调度、水资源规划和管理等方面都具有十分重要的意义。然而由于径流过程的复杂性,以及人类活动的影响,使得在变化环境中精准捕捉月径流的变化规律变得十分困难... 详细信息

径流过程是地球上水文循环中的重要一环,径流来水量的精准预测对于流域的水量调度、水资源规划和管理等方面都具有十分重要的意义。然而由于径流过程的复杂性,以及人类活动的影响,使得在变化环境中精准捕捉月径流的变化规律变得十分困难,只能针对月径流时间序列展开预测。然而由于月径流时间序列中所包含的信息相对单一,构建准确度高的月径流时间序列预测模型往往十分困难。因此,为了实现对月径流时间序列的有效分析研究,本文将变分模态分解(Variational Mode Decomposition,VMD)和贝叶斯神经网络(Bayesian Neural Network,BNN)相结合,设计了能够实现对月径流时间序列进行精准预测的模型,并基于渭河流域咸阳、华县两个水文站的月径流时间序列进行了实例应用研究。具体研究工作主要分为以下两个部分:(1)针对月径流时间序列内部信息特征难于捕捉,以及传统神经网络模型对于样本数据中的先验信息学习不够彻底这两点问题,设计了基于VMD和BNN的月径流时间序列预测模型。基于VMD对噪声良好的鲁棒性和对时序信号精确分解的特性,将月径流时间序列视为一种时序信号,利用VMD方法将月径流时间序列分解为多个相对平稳的固有模态函数(Intrinsic Mode Function,IMF)序列后,再对各个IMF分别进行预测。同时对于以往分解集合模型建模中对于所有IMF分别做预测的割裂模式进行了改进,通过设计一种基于变分推理(Variational Inference,VI)的并行BNN(Parallel Bayesian Neural Network,PBNN)预测模块,实现了对于所有IMF的一体化预测,增强了预测模型的整体性。将VMD和PBNN两者相结合构建VMD-PBNN月径流时间序列预测模型,使月径流时间序列预测结果达到了更高的准确度,水文预报精度等级从乙级提升至甲级。(2)针对以往分解集合模型无法自适应选取预测过程中模态分量的嵌入维度的问题,基于相空间重构(Phase Space Reconstruction,PSR)理论对VMD分解得到的IMF分别进行相空间重构,设计VMD-PSR处理单元对所有IMF重构后的相空间进行整合,实现了对预测模块嵌入维度的自适应选取,并结合PBNN预测模块,构建VMD-PSR-PBNN月径流时间序列预测模型,进一步提升了月径流时间序列的预测准确度。

关键词：变模态分解贝叶斯神经网络变分推理相空间重构月径流预测

基于LMD-QPSO-CRJ模型汾河上游月径流预测方法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国农村水利水电 2021年第10期 15-20页

作者：邢馨予赵雪花太原理工大学水利科学与工程学院太原030024

针对径流序列具有较强的非平稳性和非线性特征,为提高预测精度,提出一种月径流组合预测模型LMDQPSO-CRJ。选用局部均值分解法(Local Mean Decomposition,LMD)对径流数据分解降噪,并对第一个高频分量用变模态分解法(Variational Mode Dec... 详细信息

针对径流序列具有较强的非平稳性和非线性特征,为提高预测精度,提出一种月径流组合预测模型LMDQPSO-CRJ。选用局部均值分解法(Local Mean Decomposition,LMD)对径流数据分解降噪,并对第一个高频分量用变模态分解法(Variational Mode Decomposition,VMD)进行二次分解,采用量子粒子群优化算法(QPSO)对确定性循环跳跃网络(Cycle Reservoir with Regular Jumps,CRJ)进行参数优化,最终建立LMD-QPSO-CRJ模型。将该模型应用于汾河上游汾河水库站和上静游站的月径流预测,并与单一QPSO-CRJ模型及CEEMD-QPSO-CRJ模型进行对比分析。结果表明,验证期LMD-QPSO-CRJ模型的MAE值和RMSE值与单一QPSO-CRJ模型相比分别减少32%~40%和23%~31%,与CEEMD-QPSO-CRJ模型相比分别减少11%~26%和11%~18%,LMD-QPSO-CRJ模型的NSE值最接近于1。因此,LMDQPSO-CRJ模型具有较好的预测精度,可以用于指导实际的生产建设。

关键词：汾河上游 LMD-QPSO-CRJ模型 CEEMD-QPSO-CRJ模型月径流预测

基于EEMD-NGO-LSTM神经网络耦合的月径流预测模型及应用

在线全文

学校读者我要写书评

暂无评论

水力发电 2024年第1期50卷 1-7页

作者：张冲王千凤齐新虎王思宇陈末黑龙江大学水利电力学院黑龙江哈尔滨150080 黑龙江大学寒区地下水研究所黑龙江哈尔滨150080

为了提高径流序列的稳定度和精度,减小参数优化不当导致的非线性误差,研究将长短期记忆神经网络(LSTM)、集成经验模态分解(EEMD)和北方苍鹰优化算法(NGO)相结合,构建了EEMD-NGO-LSTM耦合预测模型。将此预测模型应用于模拟东辽河中下游... 详细信息

为了提高径流序列的稳定度和精度,减小参数优化不当导致的非线性误差,研究将长短期记忆神经网络(LSTM)、集成经验模态分解(EEMD)和北方苍鹰优化算法(NGO)相结合,构建了EEMD-NGO-LSTM耦合预测模型。将此预测模型应用于模拟东辽河中下游的控制总站——王奔水文站2012年~2021年逐月径流过程,并与鲸鱼算法(WOA)以及灰狼算法(GWO)优化的长短期记忆神经网络进行模型比较。结果表明,EEMD-NGO-LSTM耦合预测模型的超参数迭代速度最快,精度最高,预测结果最接近实测值,其决定系数R^(2)为0.8643。而后采用CMIP6气候模式(SSP126情景)下的2030年的降水、气温数据输入模型进行预测,在气温上升1℃,降水不变的情景下,年径流量将增加6.61%;在降水升高5%,气温不变的情景下,年径流量将增加6.95%;在气温上升1℃、降水升高5%的情境下,年径流量将增加22.16%。

关键词：月径流预测集成经验模态分解北方苍鹰优化算法长短期记忆神经网络耦合模型预测精度

基于奇异谱分析与梯度优化算法优化的RVM、SVM月径流预测研究

在线全文

学校读者我要写书评

暂无评论

人民珠江 2022年第1期43卷 111-118页

作者：梁晓鑫崔东文云南省水文水资源局文山分局云南文山661100 云南省文山州水务局云南文山663000

基于序列分解—参数优化—分项预测—结果叠加思想,构建奇异谱分析(SSA)-梯度优化(GBO)算法与相关向量机(RVM)、支持向量机(SVM)集成的中长期月径流预测模型。首先采用SSA方法对实例月径流数据进行处理,提取多个独立的子序列;其次介绍GB... 详细信息

基于序列分解—参数优化—分项预测—结果叠加思想,构建奇异谱分析(SSA)-梯度优化(GBO)算法与相关向量机(RVM)、支持向量机(SVM)集成的中长期月径流预测模型。首先采用SSA方法对实例月径流数据进行处理,提取多个独立的子序列;其次介绍GBO算法原理,基于6个典型函数对GBO算法进行仿真测试。利用GBO算法优化RVM核宽度因子和超参数、SVM惩罚因子和核函数参数,分别建立SSA-GBO-RVM、SSA-GBO-SVM模型对各子序列进行预测,叠加后作为最终月径流预测结果;最后以云南省龙潭站65年共780个月月径流预测为例,选取实例前53年作为训练样本,后10年共120个月作预测样本对SSA-GBO-RVM、SSA-GBO-SVM模型进行检验。结果表明:GBO算法在不同维度条件下寻优效果优于MPA、PSO算法,具有较好的寻优精度和全局搜索能力。SSA-GBO-RVM、SSA-GBO-SVM模型对实例120个月月径流预测的平均绝对百分比误差分别为6.20%、7.82%,平均绝对误差分别为0.88、1.00 m^(3)/s,纳什系数分别为0.9926、0.9913,均具有较好的预测精度和较高的可信度。相对而言,SSA-GBO-RVM模型优于SSA-GBO-SVM。

关键词：月径流预测奇异谱分析梯度优化算法相关向量机支持向量机仿真测试