人民黄河

作者：程桂芳, 周芸

单位：郑州大学 数学与统计学院,河南 郑州 450001

关键词：径流预测,变分模态分解,LSTM,SVR,K-Means聚类,黄河流域

基金：河南省高等教育教学改革研究与实践项目(2021SJGLX060);河南省科技攻关项目(252102211117)

黄河径流具有非稳态、非线性的特点,为了给河南省保障水安全等提供参考,对黄河三门峡水文站非汛期流量进行了研究。构建变分模态分解(VMD)与长短期记忆网络(LSTM)、支持向量回归机(SVR)相结合的非汛期径流预测模型,利用麻雀优化算法(SSA)调节模型参数以提高预测精度。采用VMD算法将非汛期流量数据分解为多个本征模函数(IMF),基于K-Means聚类法计算分量间的欧氏距离,将欧氏距离的倒数作为各分量的权重,最后将各分量结果输入LSTM/SVR进行模型预测,加权重构分量预测值得到流量预测结果,并与加权前后VMD-SSA-LSTM、VMD-SSA-SVR模型进行对比。结果显示,提出的K-Means加权VMD-SSA-LSTM模型预测三门峡水文站2003年1月—2023年5月(非汛期月份)每日平均流量,平均绝对误差为82.54 m3/s、均方根误差为106.64 m3/s、拟合优度达0.92,能有效预测非汛期流量。

来源：2025年第4期

《人民黄河》期刊编辑部

查看人民黄河杂志2025年第4期