基于VMD-EEMD-CNN-LSTM混合模型的月径流预测

针对传统径流预测模型对月径流序列尖峰点预测精度不足的问题，文章提出了一种VMD-EEMD-CNN-LSTM混合预测模型。首先，对原始月径流序列进行变分模态分解(VMD)处理，得到具有有限带宽的本征模态分量(VMF)和较高复杂性的残差项(Res)。然后通过集合经验模态分解(EEMD)对Res进行二次分解，有效挖掘原始径流的隐藏信息。把各分量作为卷积神经网络(CNN)-长短期记忆网络(LSTM)组合预测模型的输入，最后对各预测结果进行叠加重构，得到最终的结果。以乌江流域洪家渡水电站实测月径流数据为例，结果表明：VMD-EEMD-CNN-LSTM模型具有更高的精确度，能有效提高对月径流序列尖峰点的预测精度。