典型文献
基于黏菌算法优化VMD-CNN-GRU模型的年径流预测
文献摘要：
为提高年径流预测精度,引入黏菌算法(slime mould algorithm,SMA)和变分模态分解算法(variational mode decomposition,VMD),提出一种基于卷积神经网络(convolutional neural network,CNN)和门控循环单元(gated re-current unit,GRU)神经网络的组合预测模型(VMD-SMA-CNN-GRU).利用VMD对径流数据进行分解;采用SMA 优化CNN-GRU模型参数,构建模型对每个分量进行预测;各分量结果相加得到最终结果.以兰西水文站为例,将所建模型与CEEMDAN(complete ensemble empirical mode decomposition with adaptive noise)-CNN-GRU、VMD-CNN-LSTM(long short-term memory)、VMD-LSTM、VMD-GRU、VMD-PSO(particle swarm optimization)-CNN-GRU、SMA-CNN-GRU和CNN-GRU预测模型进行对比分析.结果表明:SMA 优化的VMD-CNN-GRU 模型预测精度不仅高于上述7种模型,而且避免了人工试算确定CNN-GRU 模型参数效率低的不足,为年径流预测提供了一种新方法.
文献关键词：
变分模态分解算法;黏菌算法;卷积神经网络;门控循环单元神经网络;径流预测
中图分类号：
作者姓名：
徐冬梅;夏王萍;王文川
作者机构：
华北水利水电大学水资源学院,郑州450046
文献出处：
引用格式：
[1]徐冬梅;夏王萍;王文川-.基于黏菌算法优化VMD-CNN-GRU模型的年径流预测)[J].南水北调与水利科技（中英文）,2022(03):429-439
A类：
B类：
黏菌算法,算法优化,VMD,GRU,年径流,径流预测,slime,mould,algorithm,SMA,变分模态分解算法,variational,mode,decomposition,convolutional,neural,network,gated,current,unit,组合预测模型,对径,径流数,流数据,构建模型,相加,加得,兰西,西水,水文站,CEEMDAN,complete,ensemble,empirical,adaptive,noise,long,short,term,memory,PSO,particle,swarm,optimization,试算,门控循环单元神经网络
AB值：
0.371111
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
