人民黄河

作者：陈伟;吕学斌;梁雪春

单位：1.南京工业大学 数理科学学院，江苏 南京 211816； 2.南京工业大学 电气工程与控制科学学院，江苏 南京 211816

关键词：水深预测;中位值平均滤波法;CEEMDAN分解;LSTM神经网络模型;陶岔渠首

采用基于自适应噪声的完全经验模态分解-长短期记忆神经网络模型（CEEMDANLSTM）对水深进行预测。首先利用中位值平均滤波法对数据进行预处理，再采用CEEMDAN方法对历史水深序列进行分解获得历史水深的高、低频以及残差序列，然后对得到的各个分量使用LSTM神经网络预测，最后叠加各分量预测值重构水深预测结果。以陶岔渠首为研究对象，CEEMDANLSTM模型测试结果表明：该模型相比支持向量机回归、BP神经网络、长短期记忆神经网络、经验模态分解-长短期记忆神经网络模型有更强的预测性能。

来源：2022年第5期

《人民黄河》期刊编辑部

查看人民黄河杂志2022年第5期