非平稳信号解析视角下的城市用水量时序预测分析OA
城市用水量预测是智慧水务系统的重要功能,但用水量序列固有的非平稳与多尺度特性严重制约了预测精度。为此,本研究提出一种基于变分模态分解(VMD)与长短期记忆网络(LSTM)的混合预测模型。该模型首先利用VMD将原始非平稳序列分解为多个本征模态函数,再通过LSTM对各分量分别预测,最后叠加重构预测结果。在小时、日、月三个尺度上,该模型相较于单一LSTM模型,某市实际用水量数据均方根误差分别降低了45.81%,27.30%和23.53%。研究表明:该VMD-LSTM模型能有效处理时间序列的非平稳性,显著提升预测精度,具备良好的工程应用价值。
李雨泽;张恒恺;周舒;刘佳慧;徐凯;刘怀利;徐浩;苏馈足;王伟
合肥工业大学,安徽合肥230009合肥工业大学,安徽合肥230009合肥工业大学,安徽合肥230009合肥工业大学,安徽合肥230009合肥工业大学,安徽合肥230009安徽省·水利部淮河水利委员会水利科学研究院,安徽合肥230088 安徽省水科学与智慧水利重点实验室,安徽合肥230088安徽省·水利部淮河水利委员会水利科学研究院,安徽合肥230088 安徽省水科学与智慧水利重点实验室,安徽合肥230088合肥工业大学,安徽合肥230009合肥工业大学,安徽合肥230009
建筑与水利
城市用水量预测变分模态分解长短期记忆网络非平稳时间序列
《江淮水利科技》 2026 (3)
P.38-44,7
合肥工业大学大学生创新性实验计划项目(X202410359214)安徽省自然科学基金联合基金项目(2308085US05)。
评论