基于BVMD-Attention-GRU的中长期干旱预测 |
| |
引用本文: | 谢颂扬,马廷淮.基于BVMD-Attention-GRU的中长期干旱预测[J].水电能源科学,2024(4):25-29. |
| |
作者姓名: | 谢颂扬 马廷淮 |
| |
作者单位: | 1. 南京信息工程大学计算机学院;2. 江苏海洋大学计算机工程学院 |
| |
基金项目: | 国家重点研发计划(2021YFE0104400); |
| |
摘 要: | 干旱是一种由长期缺水导致的现象,及早发现干旱现象并预测其程度,对于科学防旱抗旱至关重要。为此,提出一种基于变分模态分解算法(VMD)和融合注意力机制(Attention)的门控循环单元(GRU)的干旱指数预测方法。首先使用蝴蝶优化算法(BOA)对VMD进行参数寻优,将标准化降水蒸散发指数(SPEI)数据分解为一组波动性较小的子序列;然后将注意力机制引入GRU模型,对各子序列进行预测;最后将各子序列预测结果加和得到SPEI预测值。使用BVMD-Attention-GRU模型对乌鲁木齐市SPEI进行预见期为6个月的中长期预测,并构建GRU、VMD-GRU、BVMD-GRU模型进行对比试验。试验结果表明,BVMD-Attention-GRU模型具有更高的预测精度,适用于中长期干旱预测。
|
关 键 词: | 干旱预测 蝴蝶优化算法 变分模态分解 注意力机制 门控循环单元 |
|