基于GWO-PE-VMD-ResNet组合模型的日径流预测

摘要：

传统"分解-集成"径流预测模型存在预测效率低、忽略分量预测误差等问题,为此提出一种基于灰狼优化算法(GWO)、排列熵(PE)、变模态分解(VMD)和残差网络(ResNet)的预测日径流的组合模型(GWO-PE-VMD-ResNet).首先,构建以排列熵为适应度函数的GWO算法对VMD分解参数进行搜索,减少人为选择参数的不确定性;其次,利用选定分解参数的VMD算法将日径流数据分解为若干分量,降低径流序列的复杂性;最后,建立ResNet径流预测模型,将径流序列分量拼接并调整为符合ResNet模型输入维度的数据,对未来径流进行预测.以长江朱沱、监利和螺山等水文站点为研究对象开展径流预测,结果表明所建模型在预测精度和预测效率上均有明显优势.

关键词：灰狼优化算法、变模态分解、残差网络、日径流预测

所属期刊栏目：42

分类号：TV121.4(水利工程基础科学)

资助基金：湖北省自然科学基金;湖北省自然科学基金;湖北省教育厅科学技术研究项目

在线出版日期：2024-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：43-47