基于WD-COA-LSTM模型的月降水量预测

摘要：

为进一步提高月降水量预测精度,提出了基于小波分解(WD)和郊狼优化(COA)算法的长短期记忆神经网络(LSTM)降水量预测模型(WD-COA-LSTM).首先用小波分解对时间序列进行预处理,消除序列的非平稳性,得到1个低频序列和3个高频序列;然后通过郊狼优化算法对神经网络(LSTM)模型进行参数优化;最后将各子序列预测值叠加得到月降水量预测值.将提出的模型应用于洛阳市栾川县白土镇和洛宁县故县镇两个雨量站的月降水量预测中,并与LSTM、COA-LSTM、WD-LSTM模型预测结果进行对比.结果表明:提出的WD-COA-LSTM模型的预测精度最高,说明小波分解和郊狼优化算法能有效加强LSTM模型预测的精度和泛化能力,为月降水量的预测提供了一种新的途径.

关键词：月降水量预测、小波分解、郊狼优化算法、长短期记忆神经网络

所属期刊栏目：33

分类号：TV125(水利工程基础科学)

资助基金：河南省重点研发与推广专项;河南省重点研发与推广专项;河南省高校科技创新团队

在线出版日期：2022-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：8-13,23