基于DeepSeek优化的VMD-LSTM模型径流预报方法

邓娟; 吴国波; 何世琪; 陆彦君

doi:10.13622/j.cnki.cn42-1800/tv.1671-3354.2026.09.011

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于DeepSeek优化的VMD-LSTM模型径流预报方法

研究研发 | 更新时间：2026-10-01

- 基于DeepSeek优化的VMD-LSTM模型径流预报方法
- 基于DeepSeek优化的VMD-LSTM模型径流预报方法
- 水电与新能源 2026年40卷第9期页码：44-48+52
- 作者机构：
  
  贵州省水利投资(集团)有限责任公司
- 作者简介：
- 基金信息：
  
  贵州省水利投资(集团)有限责任公司科技项目资助(15000000250630000031)
- DOI：10.13622/j.cnki.cn42-1800/tv.1671-3354.2026.09.011
  中图分类号： P338
- 纸质出版：2026
- 稿件说明：
移动端阅览
邓娟, 吴国波, 何世琪, 等. 基于DeepSeek优化的VMD-LSTM模型径流预报方法[J]. 水电与新能源, 2026,40(9):44-48+52.

邓娟, 吴国波, 何世琪, et al. 基于DeepSeek优化的VMD-LSTM模型径流预报方法[J]. 2026, 40(9): 44-48+52.
邓娟, 吴国波, 何世琪, 等. 基于DeepSeek优化的VMD-LSTM模型径流预报方法[J]. 水电与新能源, 2026,40(9):44-48+52. DOI： 10.13622/j.cnki.cn42-1800/tv.1671-3354.2026.09.011.

邓娟, 吴国波, 何世琪, et al. 基于DeepSeek优化的VMD-LSTM模型径流预报方法[J]. 2026, 40(9): 44-48+52. DOI： 10.13622/j.cnki.cn42-1800/tv.1671-3354.2026.09.011.

摘要

采用VMD技术将原始实测径流序列分解为多个具有不同频率特征的本征模态函数(IMFs)，并引入Deep Seek大模型智能遴选最佳K值。针对每个IMF分量构建独立的LSTM模型进行训练与预测，并对预测结果进行反归一化与重构，最终生成整体径流预测值。案例结果表明，该方法通过“分解-预测-重构”组合框架，提升了模型处理非线性、非平稳水文数据能力，整体预测精度较高。

Abstract

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于机器学习的隧洞衬砌应变-位移转换研究

基于振动信号的风电机组叶片损伤监测技术

基于有压刚性理论的泵站快速启动方式研究

声纹监测技术在水电机组状态诊断中的应用

数字建模技术在丹江口水力发电厂3号机组应用

基于DeepSeek优化的VMD-LSTM模型径流预报方法

基于DeepSeek优化的VMD-LSTM模型径流预报方法

DOI：10.13622/j.cnki.cn42-1800/tv.1671-3354.2026.09.011

摘要

Abstract

关键词

Keywords

references