岩溶泉日流量预测的深度学习模型对比:LSTM与混合VMD-LSTM
杨杨1
赵良杰2
1.中国地质科学院岩溶地质研究所/自然资源部、广西岩溶动力学重点实验室,广西桂林 541004;广西平果2.中国地质科学院岩溶地质研究所/自然资源部、广西岩溶动力学重点实验室,广西桂林 541004;广西平果
摘要：岩溶泉流量具有强非平稳与多尺度耦合特征,给精确预测带来挑战.为同时提升预测精度与物理可解释性,文章提出将变分模态分解(VMD)与长短期记忆网络(LSTM)耦合的VMD-LSTM框架:先用VMD将泉流量序列分解为若干本征模态,再与降雨共同作为输入,驱动两层LSTM进行建模;并以标准LSTM为基线开展对比评估.以桂林寨底岩溶系统2013-2023年日尺度数据为研究对象,VMD-LSTM在训练、验证与测试阶段均优于基线模型;其中测试期达到纳什效率系数=0.951、均方根误差=0.524,且峰值均方根误差(观测前5％)下降75.2％,显著增强了对极端事件的刻画能力.结果表明:VMD可有效缓解原序列的非平稳与模态混叠,使LSTM更稳定地捕捉"快响应—慢退水"的动力学过程.该方法对岩溶区洪水预警与水资源调度具有现实应用价值.
关键词：变分模态分解长短期记忆网络岩溶泉VMD-LSTM流量预测
分类号：P641.2(水文地质学与工程地质学)
资助基金：国家重点研发课题(2024YFC3713001)岩溶水资源与环境贵州省院士工作站(黔科合平台KXJZ(2024)005)(KXJZ(2024)005)贵州省地热水和矿泉水顶尖专家团队(黔科合人才CXTD(2025)003)(CXTD(2025)003)中国地质科学院岩溶地质研究所基本科研业务费(2022012)
论文发表日期：2025-10-31
在线出版日期：2026-01-14（本平台首次上网日期，不代表文献的发表时间）
页数：12( 937-948 )
英文信息