基于BVMD-Attention-GRU的中长期干旱预测

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。