改进EEMD-GRU混合模型在径流预报中的应用

刘扬; 王立虎; 杨礼波; 刘雪梅

首页> 中文期刊> 《智能系统学报》 >改进EEMD-GRU混合模型在径流预报中的应用

改进EEMD-GRU混合模型在径流预报中的应用

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

为解决径流预测模型存在的预测精确度低、稳定性差、延时高等问题,结合门控制循环单元神经网络(gated recurrent unit,GRU),集合经验模态分解(ensemble empirical mode decomposition,EEMD)的各自优点,提出一种基于改进EEMD方法的深度学习模型(EEMD-GRU)。该模型首先以智能算法对径流信号进行边界拓延,以解决EEMD边界效应。然后利用改进EEMD方法将径流信号分解为若干稳态分量,将各分量作为GRU模型的输入并对其进行预测。实验结果表明,与结合了经验模态分解的支持向量回归模型相比,并行EEMDGRU径流预测模型的预测精准度、可信度和效率分别提高82.50%、144.67%和95.49%。基于EEMD-GRU的最优运算结果表明,该方法可进一步减少区域防洪的经济损失,提高灾害监管的工作效率。

著录项

来源
《智能系统学报》 |2022年第3期|480-487|共8页
作者
刘扬; 王立虎; 杨礼波; 刘雪梅;
展开▼
作者单位

华北水利水电大学信息工程学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类人工神经网络与计算;
关键词
径流预报; 集合经验模态分解; 深度学习; 门控制循环单元神经网络; 并行计算; 混合模型; 时序预测; 工程应用;

相似文献

中文文献
外文文献
专利

1. 非线性混合回归模型在年径流预报中的应用探讨 [J] . 刘杰 . 陕西水利 . 2017,第0z1期
2. 遗传算法改进神经网络模型在太子河流域径流预报中的应用 [J] . 王春平 ,谢新民 ,梁团豪 . 东北水利水电 . 2005,第11期
3. 多源径流预报误差混合分布模型及应用 [J] . 李继清 ,孙凤玲 ,王爽 . 中国农村水利水电 . 2022,第5期
4. 静电放电算法-混合核SVM的月径流预报模型及应用 [J] . 李祥蓉 . 人民珠江 . 2020,第1期
5. 径流预报误差的混合t Location-Scale分布模型及应用 [J] . 孙凤玲 ,李继清 ,张验科 . 水力发电 . 2020,第12期
6. 基于MATLAB工具箱的BP神经网络模型在年径流预报中的应用 [C] . 张傲妲 ,冀鸿兰 ,陈守煜 . 第十三届全国水利量测技术综合学术研讨会 . 2010
7. 基于互信息的改进RBF神经网络模型及其在短期径流预报中的应用 [A] . 刘蕊鑫 . 2016

改进EEMD-GRU混合模型在径流预报中的应用

摘要

著录项

相似文献

相关主题

期刊订阅