基于GWO-LSTM的丹江口水库入库径流预测

来源：水利水运工程学报杂志 2021年第6期北京时间：

作者：王立辉,杨辉斌,王银堂,刘勇,胡庆芳

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