基于ＳＳＡ－ＬＳＴＭ 模型的黄河水位预测研究
打开文本图片集
摘 要：黄河流域内的水资源分配和调度对于各个地区的经济发展和人民生活至关重要。为提高黄河水位预测精度，提出一种基于麻雀搜索算法（ＳＳＡ）和长短期记忆（ＬＳＴＭ）网络融合的黄河水资源调度预测模型，即利用ＳＳＡ 算法优化ＬＳＴＭ 模型的超参数后，对黄河水位进行预测。结果表明，ＳＳＡ－ＬＳＴＭ 模型的ＥＭＡＰ（ 平均绝对百分比误差）、ＥＲＭＳ（ 均方根误差）、ＥＭＡ（ 平均绝对误差） 和Ｒ２（拟合优度）分别为０．００６ ３、０．０３０ ４、０．０２４ ７、０．９９４ ５。（剩余3815字）