-
题名基于径流特性分解的月径流集成预测模型研究
- 1
-
-
作者
万锦
马彪
刘为锋
-
机构
河海大学水文水资源学院
长江勘测规划设计研究有限责任公司
水利部水利水电规划设计总院
-
出处
《水电能源科学》
北大核心
2024年第5期29-33,共5页
-
基金
国家重点研发计划(2022YFC3202300)
长江勘测规划设计研究有限责任公司自主创新项目(CX2020Z02)
中国博士后科学基金(2021M702313)。
-
文摘
揭示混沌径流序列中的规律特性可使预测径流的可解释性、精度大幅提升。针对中长期径流序列的周期性、趋势性特征,收集洪泽湖流域吴家渡站1959~2019年实测月径流资料,提取径流周期成分和趋势成分,依据各成分的径流特性,选取契合物理特性规律的极限梯度下降(XGBoost)预测模型进行趋势成分预测,选择善于捕捉混沌规律的长短期记忆神经网络(LSTM)进行残差成分预测,构建了一种基于径流特性分解的XGBoost-LSTM集成预测模型,采用该模型对洪泽湖流域吴家渡站月径流序列进行预测,并将预测结果与XGBoost、LSTM、随机森林、BP等单一预测模型进行比较。结果表明,基于特性成分提取的XGBoost-LSTM集成模型的预测精度高于单一径流预测模型,能够利用径流序列规律特性,充分发掘预测模型优势,有效提升径流预测精度。
-
关键词
径流特性分解
梯度提升树
长短期记忆人工神经网络
集成模型
中长期径流预测
-
Keywords
runoff characteristic decomposition
XGBoost
LSTM
integration model
mid-long term runoff forecasting
-
分类号
TV121
[水利工程—水文学及水资源]
-
