水资源
魏兴, 陈蒙恩, 周育琳, 冉立波, 史瑞博, 邹建华
提高中长期水文预报的预测精度对于水资源调度、防汛抗旱以及农业生产等具有重要意义。为提高水文预报的精度,根据三峡库区万县站实测月径流序列,先采用互信息方法筛选预报因子,然后分别采用鲸鱼优化算法(WOA)、蝗虫优化算法(GOA)和麻雀搜索算法(SSA)优化的长短期记忆(LSTM)神经网络,结合基于时变滤波器的经验模态分解(TVF-EMD)、自适应完全集合经验模态分解(CEEMDAN)和变分模态分解(VMD),建立多种混合预测模型,采用平均绝对误差(MAE)、均方根误差(RMSE)、纳什效率系数(NSE)、平均绝对百分比误差(MAPE)和相关系数R共5个指标评价模型的预报性能。结果表明:互信息法优选出的预报因子方案作为模型的输入可以提高预报精度,混合模型的预报精度均高于单一的LSTM模型,VMD-LSTM模型测试集的纳什效率系数值较LSTM模型提升了0.11;在混合模型中, VMD-SSA-LSTM模型预报精度高于CEEMDAN-LSTM和TVF-EMD-LSTM模型,通过预报因子筛选、数据预处理和集成稳健的优化算法能够提升单一的水文预报模型的精度。建立的VMD-SSA-LSTM模型可为流域的水资源管理和工农业生产提供参考。