基于小波-LSTM的流溪河流域短期库水位预测模型
张浩森1
龙岩1
康爱卿2
1.河北工程大学水利水电学院,河北 邯郸 056038;河北工程大学河北省智慧水利重点实验室,河北 邯郸 0560382.中国水利水电科学研究院,北京 100038
摘要：考虑到原始监测数据中噪声对库水位预测精度的影响,研究提出了基于小波-LSTM神经网络构建的流溪河流域短期水库水位预测模型.模型以流溪河水库和黄龙带水库2015-2020年的时序数据为研究对象,以小波分解对水位时序数据进行多尺度分析,以2019年8月1日为界划分数据集,以均方根误差RSME、纳什效率系数NSE和平均绝对误差MAE为评价指标,并与LSTM模型在1、6和12h预见期情境下的预测结果进行了对比分析.结果表明,在1、6和12h预见期下,小波-LSTM模型和LSTM模型的NSE值均大于0.9,2种模型均取得了不错的预测效果;在相同预见期下,相较于LSTM模型,小波-LSTM模型预测的整体误差和极值误差均更小,模型的整体预测效果更优;对模型输入特征而言,单特征小波-LSTM模型的整体预测误差和极值误差均低于多特征小波-LSTM模型,对水位时序数据的整体预测效果更好,预测中的异常值也相对更少.
关键词：水位预测LSTM循环神经网络水库水位小波分解预见期
分类号：TV697.2+1(水利枢纽、水工建筑物)TV124(水利工程基础科学)
论文发表日期：2023-11-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 63-67,76 )
英文信息