基于TimeGAN-LSTM的月径流预测模型

苗磊; 刘杨; 田童晖; 张志强; 韩会明

doi:10.20040/j.cnki.1000-7709.2024.20240050

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于TimeGAN-LSTM的月径流预测模型

水文水资源与环境 | 更新时间：2026-02-25

- 基于TimeGAN-LSTM的月径流预测模型
- 基于TimeGAN-LSTM的月径流预测模型
- 水电能源科学 2024年第11期页码：12-15
- 作者机构：
  
  1. 陕西水环境工程勘测设计研究院
  2. 华中科技大学土木与水利工程学院
  3. 江西省水利科学院
- 作者简介：
- 基金信息：
  
  江西省自然科学基金资助项目(20232BAB213076);江西省水利科技项目(202224ZDKT06)
- DOI：10.20040/j.cnki.1000-7709.2024.20240050
  中图分类号： P332;P338
- 纸质出版：2024
- 稿件说明：
移动端阅览
苗磊, 刘杨, 田童晖, 等. 基于TimeGAN-LSTM的月径流预测模型[J]. 水电能源科学, 2024,(11):12-15.

苗磊, 刘杨, 田童晖, et al. 基于TimeGAN-LSTM的月径流预测模型[J]. 2024, (11): 12-15.
苗磊, 刘杨, 田童晖, 等. 基于TimeGAN-LSTM的月径流预测模型[J]. 水电能源科学, 2024,(11):12-15. DOI： 10.20040/j.cnki.1000-7709.2024.20240050.

苗磊, 刘杨, 田童晖, et al. 基于TimeGAN-LSTM的月径流预测模型[J]. 2024, (11): 12-15. DOI： 10.20040/j.cnki.1000-7709.2024.20240050.

摘要

准确的月径流预测对于水资源管理和配置具有重要意义，针对月径流样本数据不足导致预测精度较低的问题，提出了基于TimeGAN-LSTM的月径流预测模型。以无定河流域为研究区域，收集了6个气象站和4个水文站的数据资料，首先基于长短期记忆网络(LSTM)进行了4个站点的月径流预测，然后采用TimeGAN模型生成了月径流及其对应的月平均气温和降水数据，利用生成数据扩充了训练集并进行了基于TimeGAN-LSTM模型的训练和预测。研究结果表明，基于TimeGAN模型的生成数据与实测数据在分布上具有一定相似性；相较于LSTM

TimeGAN-LSTM模型预测结果的纳什效率系数平均增加了16.67%

平均绝对百分比误差降低了40.42%。该方法可有效提升月径流预测精度，为水资源管理决策提供技术支撑。

Abstract

关键词

Keywords

references

Hochreiter S,Schmidhuber J.Long short-term memory.[J].Neural computation,1997.

毕成琳,刘匡,向征,王军,钱名开,梁忠民.洪水预报区域化LSTM模型研究[J].水电能源科学,2023(12).

孙晨峰,吕卫民,戴洪德,张浩晨.一种基于TimeGAN和OCSVM的多元退化设备小子样数据增广方法[J].电子学报,2022(11).

郭爽,龙岩,王孝群,李有明,何滔,汪广明.沙坪二级水电站短期水位预测与实时调控策略[J].水电能源科学,2022(08).

唐雨佳,黄竞争,刘锋,蔡华阳.基于数据驱动模型的河流水温异变研究[J].水文,2019(01).

郝丽娜,粟晓玲,黄巧玲.基于小波广义回归神经网络耦合模型的月径流预测[J].水力发电学报,2016(05).

浏览量

294

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RF和Self-attention改进LSTM的大坝变形预测方法及异常值判定

基于CNN-LSTM模型的城市洪水二维时空预测研究

基于ICEEMDAN和CNN-LSTM-ATTENTION的抽水蓄能机组振动预测

Attention机制加成的ICEEMDAN-1D-CNN-BiGRU月径流预测

融合自适应滑动集合经验模态分解的机器学习月径流预测方法