人民黄河

作者：肖萍, 董国涛

单位：1.甘肃省兰州水文水资源勘测中心，甘肃 兰州 730030；2.黑河水资源与生态保护研究中心，甘肃 兰州 730030

关键词：VMD；径流预测；Bi-LSTM；区间预测；大通河

基金：国家社会科学基金资助项目（23&ZD104）

河川径流模拟和预测对于控制流域水量、保证流域水资源的最优配置具有重要意义。受异常气候和人类活动等因素影响，中长期径流序列不稳定性增加了径流预测工作的难度。为提高径流预测精度，建立了一种基于变分模态分解（VMD）、互信息法和双向长短期记忆网络（Bi-LSTM）的耦合深度学习模型框架，即VMD-Bi-LSTM模型。首先，利用VMD将原始径流数据分解为固有模态分量；然后，对每个分量采用Bi-LSTM建立预测模型，并采用互信息法确定数据输入滞后时间；最后，对每个子序列预测结果进行叠加得到最终预测结果。探讨了所构建模型对大通河流域天堂站月径流的预测性能，并将其与其他模型进行对比。结果表明：与其他模型相比，该模型在点预测和区间预测方面均具有明显的优势；纳什效率系数（NSE）达0.95，在95%和90%的置信区间预测的覆盖率分别达0.92和0.85。

来源：2026年第5期

《人民黄河》期刊编辑部

查看人民黄河杂志2026年第5期