水库水位的VMD-CNN-GRU混合预测模型

来源：南京信息工程大学学报·自然科学版杂志2024年第2期北京时间：

作者：韩莹，王乐豪，魏平慧，李占东，周文祥

单位：韩莹,南京信息工程大学 自动化学院,南京, 210044;南京信息工程大学 大气环境与装备技术协同创新中心,南京, 210044,王乐豪,南京信息工程大学 自动化学院,南京, 210044,魏平慧,上饶师范学院 上饶农业技术创新研究院,上饶, 334001,李占东,辽宁省葠窝水库管理局有限责任公司,辽阳, 111000,周文祥,辽宁省葠窝水库管理局有限责任公司,辽阳, 111000

摘要：水库水位预测为其运营、防洪、水资源调度管理提供了重要决策支持.准确可靠的预测对水资源的优化管理起着至关重要的作用.针对水库水位数据的非线性、不稳定性以及复杂的时空特性,提出一种融合自适应变分模态分解(VMD)、卷积神经网络(CNN)和门控循环单元(GRU)的混合水库水位预测模型.VMD通过对水位序列进行分解消除噪声,CNN用于有效提取水位数据的局部特征,GRU用于提取水位数据的深层时间特征.以葠窝水库日水位为例,与多个相关模型对比分析,结果表明:精度方面,新模型在选取的评价指标上均表现最佳;运算效率方面,本文选择的GRU与长短时记忆网络(LSTM)相比,运算效率显著提高.新模型预测的高精度、高运算效率更能满足实际水库水位实时调度的需求.

关键词：水位预测;变分模态分解;门控循环单元;卷积神经网络;深度学习

基金资助：国家自然科学基金(62076136)