基于BVMD-Attention-GRU的中长期干旱预测

谢颂扬; 马廷淮

doi:10.20040/j.cnki.1000-7709.2024.20231743

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BVMD-Attention-GRU的中长期干旱预测

水文水资源与环境 | 更新时间：2026-07-09

- 基于BVMD-Attention-GRU的中长期干旱预测
- 基于BVMD-Attention-GRU的中长期干旱预测
- 水电能源科学 2024年42卷第4期页码：25-29
- 作者机构：
  
  1. 南京信息工程大学计算机学院
  2. 江苏海洋大学计算机工程学院
- 作者简介：
- 基金信息：
  
  国家重点研发计划(2021YFE0104400)
- DOI：10.20040/j.cnki.1000-7709.2024.20231743
  中图分类号： P426.616
- 纸质出版：2024
- 稿件说明：
移动端阅览
谢颂扬, 马廷淮. 基于BVMD-Attention-GRU的中长期干旱预测[J]. 水电能源科学, 2024,42(4):25-29.

谢颂扬, 马廷淮. 基于BVMD-Attention-GRU的中长期干旱预测[J]. 2024, 42(4): 25-29.
谢颂扬, 马廷淮. 基于BVMD-Attention-GRU的中长期干旱预测[J]. 水电能源科学, 2024,42(4):25-29. DOI： 10.20040/j.cnki.1000-7709.2024.20231743.

谢颂扬, 马廷淮. 基于BVMD-Attention-GRU的中长期干旱预测[J]. 2024, 42(4): 25-29. DOI： 10.20040/j.cnki.1000-7709.2024.20231743.

摘要

干旱是一种由长期缺水导致的现象，及早发现干旱现象并预测其程度，对于科学防旱抗旱至关重要。为此，提出一种基于变分模态分解算法(VMD)和融合注意力机制(Attention)的门控循环单元(GRU)的干旱指数预测方法。首先使用蝴蝶优化算法(BOA)对VMD进行参数寻优，将标准化降水蒸散发指数(SPEI)数据分解为一组波动性较小的子序列；然后将注意力机制引入GRU模型，对各子序列进行预测；最后将各子序列预测结果加和得到SPEI预测值。使用BVMD-Attention-GRU模型对乌鲁木齐市SPEI进行预见期为6个月的中长期预测，并构建GRU、VMD-GRU、BVMD-GRU模型进行对比试验。试验结果表明，BVMD-Attention-GRU模型具有更高的预测精度，适用于中长期干旱预测。

Abstract

关键词

Keywords

references

王冉冉,高慧敏,张昕宇.基于GA-GRU神经网络的光伏MPPT算法[J].太阳能学报,2023(09).

张琰妮,史加荣,李津,云斯宁.融合残差与VMD-ELM-LSTM的短期风速预测[J].太阳能学报,2023(09).

韩争杰,牛荣军,马子魁,崔永存,邓四二.基于注意力机制改进残差神经网络的轴承故障诊断方法[J].振动与冲击,2023(16).

白浩男,张玉田,李琼芳,韩幸烨,杜尧,和鹏飞,周正模.粒子群优化极限学习机模型在河南省干旱预测中的应用[J].水电能源科学,2023(02).

杜波波,王宁,林克剑.基于SPI/SPEI的锡林郭勒盟干旱变化特征[J].水电能源科学,2022(04).

胡小枫,赵安周,相恺政,张向蕊.LSTM模型在京津冀干旱预测应用中的研究[J].西安理工大学学报,2022(03).

王晓燕,李净,邢立亭.基于3种机器学习方法的农业干旱监测比较[J].干旱区研究,2022(01).

Sankalap Arora,Satvir Singh.Butterfly optimization algorithm: a novel approach for global optimization[J].Soft Computing,2019.

浏览量

173

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GHOA-VMD-GRU和CNN区间建模的长江上游干流日含沙量预测研究

基于注意力机制和CNN-GRU模型的脱硫系统pH值预测

基于DBO-DA-GRU的大坝变形预测模型

基于VMD-WT-CNN与注意力机制的水电机组故障诊断

基于ICPO-VMD与自适应多模型融合的水电机组振动趋势预测