基于VMD-CNN-BiGRU-Attention的澳门地区城市淹没水位预测模型研究OA

澳门地区由于地理位置特殊、气候湿润以及高度城市化的特点,在台风风暴潮期间频繁遭受由降水、河道洪水、倒灌海水等多因素叠加引发的复合型洪涝事件。为了精准分析这类灾害下的城市淹没水位的变化规律,提出一种基于变分模态分解(VMD)、卷积神经网络(CNN)、双向门控循环单元(BiGRU)和注意力机制的城市淹没水位预测模型。首先,采用VMD对历史城市淹没水位数据进行分解,得到一系列相对平稳的子序列;然后,将CNN用于对多环境因素数据进行特征提取;特征提取完成后,使用BiGRU网络进行双向循环训练;最后,通过注意力机制为BiGRU输出分配相应权重,并加权求和得到最终的城市淹没水位预测结果。实验结果表明,该模型在城市淹没水位变化预测中表现优异。