基于GWO-LSTM的丹江口水库入库径流预测

摘要：

入库径流预测对丹江口水库调度及水资源利用具有重要的指示意义.基于灰狼优化算法(GWO)构建不同的预测模型,开展丹江口水库月入库径流预测研究,并探讨网络结构超参数的选取及验证GWO全局遍历性、收敛快的特点.结果表明:灰狼优化的长短期记忆模型(GWO-LSTM)的预测精度和泛化性能优于灰狼优化的人工神经网络模型(GWO-BP)和逐步回归模型,其验证期的纳什效率系数平均达到0.969,整体趋势预测较好,峰值捕捉略有不足,可适用于丹江口水库月入库径流预测;模型超参数依据经验取值时,其预测结果不如GWO优化,验证期的纳什效率系数不足0.5,未达到可接受范围,而且带有一定的偶然性,建议选用具有全局优化特性的优化算法进行超参数选取;验证了GWO算法全局遍历性和收敛快的特点,平均在3次迭代后可达到收敛状态.

关键词：长短期记忆模型;径流预测;灰狼优化算法

分类号：TV121(水利工程基础科学)

资助基金：国家重点研发计划;国家自然科学基金

在线出版日期：2022-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：51-59