基于ICEEMDAN-VMD-LSTM高频合并模态二次分解的月径流预测研究OA

【目的】探讨变化环境下月尺度径流预测精度和效率提升的实现路径,为流域防洪抗旱和水资源高效配置管理提供理论指导。【方法】基于分解-聚合-高频合并模态二次分解-预测的思路,结合改进的自适应噪声完备集成经验模态分解(ICEEMDAN)、变分模态分解(VMD)和长短期记忆神经网络(LSTM),提出高频合并模态二次分解径流预测模型,对黄河流域唐乃亥水文站1960—2019年的月径流序列进行实例研究。【结果】(1)高频合并模态二次分解模型对月径流序列的预测精度较LSTM模型和ICEEMDAN-LSTM模型的更优,且在测试期尤为明显。(2)高频合并模态二次分解模型的RMSE较LSTM模型和ICEEMDAN-LSTM模型的分别降低了43.61%和32.90%,对应的NSE分别提升了18.45%和9.78%。(3)与ICEEMDAN-VMD-LSTM模型相比,高频合并模态二次分解模型对月径流序列的预测效率提高了31.12%。【结论】高频合并模态二次分解径流预测模型的有效性和实用性显著,可为变化环境下黄河流域水资源管理提供实践指导。