水力发电第４９卷第９期２０２３年９月１６ＷａｔｅｒＰｏｗｅｒＶｏｌ.４９Ｎｏ.９基于ＶＭＤ￣ＬＳＴＭ的水库中长期径流预测模型朱非林ꎬ侯添甜ꎬ梁一帆ꎬ任瑞杰(河海大学水文水资源学院ꎬ江苏南京２１００２４)摘要:针对径流时间序列非平稳、非线性、变异性强等复杂特点及传统的直接预测方法干扰性强等问题ꎬ采取“分解￣预测￣重构”的策略ꎬ耦合变分模态分解(ＶＭＤ)方法和长短期记忆神经网络(ＬＳＴＭ)ꎬ构建基于ＶＭＤ￣ＬＳＴＭ的中长期径流预测模型ꎮ首先采用ＶＭＤ方法对历史中长期径流序列进行信号分解和预处理ꎬ得到一系列相对平稳的子序列ꎻ然后利用ＬＳＴＭ模型对每个子序列进行建模和预测ꎻ最后加和各个子序列结果得到重构的径流预测ꎮ池潭水库的月径流预测结果表明ꎬ与单一ＬＳＴＭ模型比ꎬ其均方根误差、平均绝对误差、平均绝对百分比误差分别下降５２６％、４９９％和４５１％ꎮ时间尺度的改变会影响径流预报的准确性ꎬ预测步长从１个月增至３个月ꎬ确定性系数由０８４降至０６８ꎮ关键词:中长期径流预测ꎻ分解￣预测￣重构ꎻ变分模态分解ꎻ长短期记忆神经网络ꎻ池潭水库Ｍｅｄｉｕｍ￣ｌｏｎｇＴｅｒｍＲｕｎｏｆｆＰｒｅｄｉｃｔｉｏｎＭｏｄｅｌｏｆＲｅｓｅｒｖｏｉｒＢａｓｅｄｏｎＶＭＤ￣ＬＳＴＭＺＨＵＦｅｉｌｉｎＨＯＵＴｉａｎｔｉａｎＬＩＡＮＧＹｉｆａｎＲＥＮＲｕｉｊｉｅＣｏｌｌｅｇｅｏｆＨｙｄｒｏｌｏｇｙａｎｄＷａｔｅｒＲｅｓｏｕｒｃｅｓＨｏｈａｉＵｎｉｖｅｒｓｉｔｙＮａｎｊｉｎｇ２１００２４ＪｉａｎｇｓｕＣｈｉｎａＡｂｓｔｒａｃｔＩｎｖｉｅｗｏｆｔｈｅｈｉｇｈｌｙｎｏｎ￣ｓｔａｔｉｏｎａｒｙｎｏｎｌｉｎｅａｒａｎｄｖａｒｉａｂｌｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｒｕｎｏｆｆｔｉｍｅｓｅｒｉｅｓａｎｄｔｈｅｓｔｒｏｎｇｉｎｔｅｒｆｅｒｅｎｃｅｏｆｔｒａｄｉｔｉｏｎａｌｄｉｒｅｃｔｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｓａｃｏｍｂｉｎｅｄＶＭＤ￣ＬＳＴＭｍｏｄｅｌｉｓｐｒｏｐｏｓｅｄｆｏｒｍｅｄｉｕｍ￣ｌｏｎｇｔｅｒｍｒｕｎｏｆｆｐｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎｔｈｅ"Ｄｅｃｏｍｐｏｓｉｔｉｏｎ￣ｐｒｅｄｉｃｔｉｏｎ￣ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ"ｓｔｒａｔｅｇｙｗｈｉｃｈｉｎｔｅｇｒａｔｅｓｔｈｅｖａｒｉａｔｉｏｎａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎＶＭＤｍｅｔｈｏｄｗｉｔｈｔｈｅｌｏｎｇｓｈｏｒｔ￣ｔｅｒｍｍｅｍｏｒ...
