基于EMD-LSTM耦合模型的趵突泉岩溶地下水水位预测应用

来源：水资源与水工程学报杂志2023年第4期北京时间：

作者：侯金霄，黄林显，胡晓农，钱永，邢立亭，韩忠，梁浩

单位：（1.济南大学水利与环境学院,2.中国地质科学院水文地质环境地质研究所,3.山东省第六地质矿产勘查院,4.山东省国土空间生态修复中心

摘要：由于岩溶地下水具有强烈的非线性及非平稳波动特征，水位预测结果容易产生较大误差。针对岩溶地下水水位预测精度较差的问题，提出一种EMD-LSTM耦合模型，首先采用经验模态分解（EMD）将趵突泉岩溶地下水水位分解为5个分量（4个本征模函数项和1个残余项），以此消除水位数据的非平稳波动性；同时构建长短期记忆（LSTM）神经网络模型，并将与地下水水位动态变化密切相关的降水量（表征含水层补给项）和月平均气温值、月最高气温值、月最低气温值、水汽压值（表征含水层排泄项）作为输入项分别对5个分量进行预测，最终将分量预测结果累加获得地下水水位预测值。结果表明：EMD能够显著消除岩溶地下水水位的非平稳波动特征；EMD-LSTM耦合模型可有效提高岩溶地下水水位的预测精度，其均方根误差相比于LSTM神经网络模型、ARIMA模型分别减小了27.86%和59.94%。总体来说，本文所提出的EMD-LSTM耦合模型具有较强的可靠性和稳定性，可为岩溶地下水水位的精确预测提供借鉴。

关键词：岩溶地下水水位预测,经验模态分解,长短期记忆神经网络,趵突泉

基金资助：国家自然科学基金项目（42272288）；山东省自然科学基金项目（ZR2019MD029）；山东省高校院所创新团队项目(2021GXRC070)