基于ARIMA-CNN-LSTM模型的黄河开封段水位预测研究 |
| |
引用本文: | 陈帅宇,赵龑骧,蒋磊.基于ARIMA-CNN-LSTM模型的黄河开封段水位预测研究[J].水利水电快报,2023(1):15-22. |
| |
作者姓名: | 陈帅宇 赵龑骧 蒋磊 |
| |
作者单位: | 河南大学软件学院 |
| |
摘 要: | 为准确预测水文条件复杂的黄河开封段水位变化,提出一种基于ARIMA-CNN-LSTM的多变量水位预测模型。该模型通过综合考虑水位的多重影响因素,结合卷积神经网络(CNN)和长短时记忆网络(LSTM)来学习数据中的非线性特征,同时应用ARIMA模型进行参数校正,从而实现对黄河开封段水位未来一段时间的预测。结果表明:相较于LSTM模型、CNN-LSTM模型、ARIMA模型以及BP神经网络模型,ARIMA-CNN-LSTM模型的预测精度更高,对峰值反应更灵敏,可以更加精准地预测未来一段时间的黄河开封段水位变化。
|
关 键 词: | 水位预测 时间序列分析 ARIMA CNN LSTM 黄河 |
|
|