基于EEMD-SE-LSTM 组合模型的开都河日径流模拟研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：为提高开都河日径流模拟的精度和更科学地进行开都河水资源的管理与规划，在集成经验模态分解（EEMD）的基础上进行样本熵（SE）重构来完成长短期记忆网络（LSTM）组合模型的构建。采用集成经验模态分解提取开都河日径流序列中具有物理含义的信息，得到一系列本征模态分量（IMF）及一个趋势项（Res），计算每个分量的样本熵，复杂程度接近的子序列叠加为新序列，建立长短期记忆神经网络模型进行预测，叠加得到最终模拟值。（剩余15083字）

试读结束

目录
monitor