基于差分序列多尺度深度学习的径流量预测方法

作     者：张少卿 陈义浦 王世辉 沈昊 刘雨 ZHANG Shaoqing;CHEN Yipu;WANG Shihui;SHEN Hao;LIU Yu

作者机构：南京市水利规划设计院股份有限公司江苏南京210014 苏州市水利设计研究院有限公司江苏苏州215011 江苏省水利勘测设计研究院有限公司江苏扬州225127 淮安市水利勘测设计研究院有限公司江苏淮安223005 

基　　金：2021年江苏省水利科技项目(2021068) 2022年江苏省水利科技项目(2022011) 

出 版 物：《水力发电》 (Water Power)

年 卷 期：2024年第50卷第4期

页      码：19-25页

摘      要：精准的径流量预报是预防洪水事故的主要依据。由于径流量数据具有很强的非稳定性,径流信息难以通过单一方法充分挖掘,易导致预测精度较低,提出了基于差分序列多尺度深度学习的径流量预测方法。首先,计算径流量一阶差分序列,为模型建立提供建模样本;其次,针对差分序列波动性,采用变分模态分解(VMD)方法对其进行变换,对变换后得到的差分序列分量采用多尺度LSTM方法对其进行估计;最后,结合原始径流量尾部数据和差分序列预测结果得到径流量预测值。结果表明,基于差分序列建模方法能够实现误差自适应校正,同时多尺度深度学习方法解决了数据波动特性,整体预测性能优越。

主 题 词：径流量预测 差分序列 LSTM 多尺度 变分模态分解(VMD) 深度学习 

学科分类：08[工学] 081501[081501] 0815[工学-矿业类] 

D　O　I：10.3969/j.issn.0559-9342.2024.04.006

馆 藏 号：203127271...