基于改进EMD-LSTM的洪水预测方法研究 |
| |
引用本文: | 刘扬,王立虎.基于改进EMD-LSTM的洪水预测方法研究[J].水利水电技术,2022(1):35-44. |
| |
作者姓名: | 刘扬 王立虎 |
| |
作者单位: | 华北水利水电大学信息工程学院 |
| |
基金项目: | 河南省水利科技攻关项目(GG202042); |
| |
摘 要: | 文章针对当前洪水预测中存在的预测精确度低、可信度差和高延时等问题,结合经验模态分解(Empirical Mode Decomposition, EMD),长短时记忆神经网络(Long Short-term Memory Networks, LSTM),提出一种基于EMD的深度学习模型(EMD-LSTM)。该模型首先利用极限学习机(Extreme Learning Machine, ELM)改进EMD端点效应,然后利用改进后的EMD方法将径流时序信号分解为若干本征模态分量(Intrinsic Mode Function, IMF),使非平稳的径流时序信号平稳化,进而利用长短时记忆神经网络模型对分量进行预测,可有效提高LSTM模型的预测精度。同时,为满足洪水预测的实时性要求,将并行计算方法引入EMD-LSTM模型中,以构建并行EMD-LSTM洪水预测方法。试验结果表明,并行EMD-LSTM模型相比于传统LSTM模型,预测精准度提高20.44%,可信度提高29.31%,效率提高93.86%。因此采用EMD方法对非稳态信号进行预处理可有效提高LSTM的预测效果,相比于传统LSTM模型,EMD-...
|
关 键 词: | 洪水智能预测 经验模态分解 深度学习 LSTM 并行计算 |
|
|