黄河三门峡水文站非汛期流量预测研究

打开文本图片集

摘 要：黄河径流具有非稳态、非线性的特点，为了给河南省保障水安全等提供参考，对黄河三门峡水文站非汛期流量进行了研究。构建变分模态分解（ＶＭＤ）与长短期记忆网络（ＬＳＴＭ）、支持向量回归机（ ＳＶＲ） 相结合的非汛期径流预测模型，利用麻雀优化算法（ＳＳＡ）调节模型参数以提高预测精度。采用ＶＭＤ 算法将非汛期流量数据分解为多个本征模函数（ＩＭＦ），基于Ｋ－Ｍｅａｎｓ 聚类法计算分量间的欧氏距离，将欧氏距离的倒数作为各分量的权重，最后将各分量结果输入ＬＳＴＭ／ ＳＶＲ 进行模型预测，加权重构分量预测值得到流量预测结果，并与加权前后ＶＭＤ－ＳＳＡ－ＬＳＴＭ、ＶＭＤ－ＳＳＡ－ＳＶＲ 模型进行对比。（剩余9125字）