| 基于调和分析及VMD-BP神经网络的感潮河段流量预报 |
| |
| 引用本文： | 陈志高,吴子豪,班亚,陈志平.基于调和分析及VMD-BP神经网络的感潮河段流量预报[J].武汉大学学报(信息科学版),2023(8):1389-1397. |
| |
| 作者姓名： | 陈志高 吴子豪 班亚 陈志平 |
| |
| 作者单位： | 1. 东华理工大学自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室;2. 东华理工大学测绘与空间信息工程学院;3. 重庆市计量质量检测研究院 |
| |
| 基金项目： | 国家自然科学基金（42266006,41806114,41904031）；;江西省自然科学基金（20202ACBL214019,20181BAB216031,20202BABL213033）； |
| |
| 摘 要： | 针对感潮河段受径流和潮汐共同影响导致流量预报精度较低的问题，结合变分模态分解(variational mode decomposition,VMD)处理非平稳信号的能力与反向(back propagation,BP)神经网络处理非线性问题的优势，提出了基于潮流调和分析及VMD-BP神经网络组合模型的感潮河段流量预报方法。首先，采用潮流调和分析方法对原始流量进行潮流、余流分离；然后，根据误差逆向传播算法构建BP神经网络，并对潮流数据和经VMD处理后的余流数据进行仿真训练；最后，将仿真训练输出的潮流和余流分量叠加重构进而得到最终的流量预报结果。在长江口徐六泾断面开展流量预报实验，结果表明，单独采用BP神经网络方法相对于传统潮流调和分析方法的流量预报精度提高了约3 400 m3/s，相对精度提高了约6%；所提组合模型方法的流量预报精度相对于传统潮流调和分析方法提高了约5 000 m3/s，相对精度提高了约9%。基于调和分析及VMD-BP神经网络的组合模型可以有效提高感潮河段流量预报精度，同时也为流况多变水域的流量预报提供新思路。
|
| 关 键 词： | 流量预报 调和分析 变分模态分解 BP神经网络 感潮河段 长江口 |
|
|
