人民黄河

作者：王军;张宇航;崔云烨;李怡豪;吕鹏祥

单位：（1.郑州航空管理学院 大数据科学研究院，河南 郑州 450015；2.河南日报社，河南 郑州 450014）

关键词：洪水预测;LightGBM模型;CEEMDAN算法;CEEMDAN-LightGBM模型;LSTM模型;利津水文站;花园口水文站

为了应对暴雨可能引发的洪涝灾害风险，基于黄河利津水文站监测的水文等数据，以LightGBM为基准模型，运用经自适应噪声完备集合经验模态分解（CEEMDAN）算法优化后的CEEMDAN-LightGBM模型对水位进行预测，并将其与长短期记忆网络（LSTM）模型、LightGBM模型的预测效果进行对比。以2个气候条件不同的黄河水文站（利津、花园口）的水文数据为原始数据集输入CEEMDAN-LightGBM模型，验证模型的适应性和稳定性。结果表明：CEEMDAN-LightGBM模型在水位预测方面表现出优越的性能，相较于LSTM、LightGBM模型，该模型的EMA分别减小了46.08%、9.95%，ERMS分别减小了33.01%、43.01%，EMAP分别减小了94.99%、3.82%，R2分别增大了30.48%、7.58%。CEEMDAN-LightGBM模型还能预测流量这一重要水文特征，为模型预测洪水发生提供更有力的判断依据。对比CEEMDAN-LightGBM模型预测花园口水文站与利津水文站的水位和流量效果，除预测两站水位的EMAP值相差23.64%外，EMA值、EMAP和ERMS值相差均不超过10%，R2相差不超过2%。

来源：2024年第9期

《人民黄河》期刊编辑部

查看人民黄河杂志2024年第9期