论文--中国科学院地理科学与资源研究所

论文

论文题目：	基于多模型比选耦合的降水预测
第一作者：	武少振，任智慧，赵雪花，杨默远等
联系作者：
发表年度：	2023
摘　　要：	变化环境下水文时间序列的模拟预测难度不断加大，基于“分解-预测-重构”模式的组合模型是提高水文预测精度的有效途径。以往研究大多聚焦在模型的不同组合尝试与应用探索，但缺乏针对不同组合模型适用性与稳定性的系统研究。本研究选择经验模态分解（empirical mode decomposition,EMD）、总体平均经验模态分解（ensemble empirical mode decomposition,EEMD）、改进的总体平均经验模态分解（modified ensemble empirical mode decomposition,MEEMD）和变分模态分解（variational mode decomposition,VMD）四种常用的分解算法，与多元线性回归（multivariable linear regression,MLR）、随机森林（random forest,RF）、BP神经网络（back propagation,BP）、卷积神经网络（convolutional neural networks,CNN）和长短期记忆神经网络（long short-term memory,LSTM）五种具有代表性的模型结合，构建20种基于“分解-预测-重构”模式的组合模型，并以华北地区密云、官厅两流域年和汛期降水为例，进行模型适用性与稳定性综合对比分析。结果表明：单一模型对密云流域年降水和汛期降水的预测结果优于官厅流域，但整体预测结果均不理想；结合分解算法后的组合模型预测结果明显优于单一模型，且该预测结果存在正负误差抵消现象，因此有助于进一步提高组合模型的整体预测精度；与基于EMD系列的分解算法相比，VMD算法对模型预测精度提升效果最显著，组合模型适用性和稳定性整体上表现为VMD-MLR>VMDLSTM>VMD-BP>VMD-CNN。
英文摘要：
刊物名称：	南水北调与水利科技(中英文)
全文链接：
论文类别：	CSCD