基于VMD-LSTM模型的三峡水库水面蒸发量预测研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：为减少水面蒸发非线性、复杂性和不稳定性等特征带来的预测误差，基于“分解-预测-重构”的策略，提出VMD-LSTM水面蒸发预测模型。该模型耦合长短期记忆神经网络（LSTM）与变分模态分解法（VMD），利用变分模态分解将水面蒸发及其主要影响因素分解为相同数量的子模态分量以降低数据的非平稳性，将对应子模态分量作为长短期记忆神经网络的输入，构建VMD-LSTM深度神经网络混合模型，并应用于三峡水库巴东站的月水面蒸发量预测。（剩余15495字）

试读结束

目录
monitor