首页|基于SSA-LSTM模型的黄河水位预测研究

基于SSA-LSTM模型的黄河水位预测研究

扫码查看
原文链接
  • 万方数据
  • 维普
黄河流域内的水资源分配和调度对于各个地区的经济发展和人民生活至关重要.为提高黄河水位预测精度,提出一种基于麻雀搜索算法(SSA)和长短期记忆(LSTM)网络融合的黄河水资源调度预测模型,即利用SSA算法优化LSTM模型的超参数后,对黄河水位进行预测.结果表明,SSA-LSTM模型的EMAP(平均绝对百分比误差)、ERMS(均方根误差)、EMA(平均绝对误差)和R2(拟合优度)分别为 0.006 3、0.030 4、0.024 7、0.994 5.相较于层感知器(MLP)、LSTM对照模型,SSA-LSTM模型的EMAP、ERMS、EMA明显减小,R2 有所提升.采用SSA算法自动进行参数选优的方式,可解决LSTM模型手动选择参数的难题.这种方法不仅大幅缩短模型训练时间,还能找到最优网络参数,从而发挥模型的最佳性能.利用SSA-LSTM模型预测黄河水位具有良好的准确性和鲁棒性,可以为黄河水资源调度提供依据.
Research on the Prediction of the Yellow River Water Level Based on SSA-LSTM Model

water resource schedulinglong short-term memory networksparrow search algorithmSSA-LSTM modeldeep learningYellow River

王军、马小越、张宇航、崔云烨

展开 >

郑州航空工业管理学院,河南 郑州 450015

河南日报社,河南 郑州 450014

水资源调度 长短期记忆网络 麻雀搜索算法 SSA-LSTM模型 深度学习 黄河

2023

10.3969/j.issn.1000-1379.2023.09.011

人民黄河
水利部黄河水利委员会

人民黄河

CSTPCD北大核心
影响因子：0.494
ISSN：1000-1379
年,卷(期)：2023.45(9)
  • 2
  • 9