佳文推荐 | 基于黏菌算法优化VMD-CNN-GRU模型的年径流预测

中长期水文预报是水资源规划管理?防汛抗旱?水库优化调度的重要环节,其研究一直受到众多水文学者的广泛关注?随着科学技术的不断发展,许多现代人工智能技术方法被应用于水文预报,例如BP(back propagation)神经网络?径向基神经网络?Elman神经网络?支持向量机?自适应模糊推理系统?长短时记忆神经网络(longshort-term memory,LSTM)等?

《南水北调与水利科技（中英文）》2022年第3期发表了《基于黏菌算法优化VMD-CNN-GRU模型的年径流预测 》一文，该文 为提高年径流预测精度,引入黏菌算法(slime mould algorithm,SMA)和变分模态分解算法(variational mode decomposition,VMD),提出一种基于卷积神经网络(convolutional neural network,CNN)和门控循环单元(gated recurrent unit,GRU)神经网络的组合预测模型(VMD-SMA-CNN-GRU)?利用VMD对径流数据进行分解;采用SMA优化CNN-GRU模型参数,构建模型对每个分量进行预测;各分量结果相加得到最终结果?以兰西水文站为例,将所建模型与CEEMDAN (complete ensemble empirical mode decomposition with adaptive noise)-CNN-GRU?VMD-CNN-LSTM(long short-term memory)?VMD-LSTM?VMD-GRU?VMD-PSO (particle swarm optimization)-CNN-GRU?SMA-CNN-GRU和CNN-GRU预测模型进行对比分析?结果表明:SMA优化的VMD-CNN-GRU模型预测精度不仅高于上述7种模型,而且避免了人工试算确定CNN-GRU模型参数效率低的不足,为年径流预测提供了一种新方法?

徐冬梅,夏王萍,王文川.基于黏菌算法优化VMD-CNN-GRU模型的年径流预测[J].南水北调与水利科技(中英文),2022,20(3):429-439.