Page 48 - 2023年第54卷第2期

水 利 学 报

２０２３年 ２月 ＳＨＵＩＬＩ ＸＵＥＢＡＯ 第 ５４卷 第 ２期

文章编号：０５５９ － ９３５０（２０２３）０２ － ０１７２ － １２

基于自适应变分模态分解和长短期记忆网络的月径流预报

１
１
１
熊 怡 １，２ ，周建中 ，孙 娜 ，张建云 ，朱思鹏 １
（１．华中科技大学 土木与水利工程学院，湖北 武汉 ４３００７４；
２．长沙理工大学 水利与环境工程学院，湖南 长沙 ４１０１１４）

摘要：准确可靠的月径流预报是流域水旱灾害防治及水资源合理配置的重要依据。原始径流时间序列包含多种频
率成分，将时间序列数据分解预处理技术和机器学习模型相结合的混合模型已被用于捕捉径流动态过程。然而，
将数据分解技术直接应用于整个时间序列是一种不切实际的方法，会导致部分信息从测试阶段传输到模型的训练
过程中。为此，设计了一个用观测数据更新历史样本的自适应动态分解策略，提出基于自适应变分模态分解和长
短期记忆网络的分解－ 预测－ 集成月径流预测混合模型。首先，采用自适应分解策略对径流时序数据进行变分模态
分解，得到不同频率成分的子序列；其次，为每个分解子序列构建长短期记忆神经网络径流预测模型，并采用贝
叶斯优化算法优选模型超参数；然后，将子序列的预测结果集成得到径流的最终预测结果；最后，以金沙江上游
石鼓水文站月径流预报为研究实例，对比传统的分解策略（“捆绑分解”）和分解方法（离散小波变换和集成经验模
态分解），验证所提混合模型的有效性和可行性。结果表明，所提混合模型在数据分解预处理中避免了引入未来
信息，并能够进一步提升径流预报精度。
关键词：变分模态分解；贝叶斯优化；长短期记忆网络；月径流预报；金沙江
中图分类号：Ｐ３３８ ．２ ｄｏｉ：１０．１３２４３?ｊ．ｃｎｋｉ．ｓｌｘｂ．２０２２０４５９
＋
文献标识码：Ａ
１ 研究背景

准确可靠的中长期径流预报是水库群安全经济运行、流域水旱灾害防治以及水资源科学配置的重
要依据。径流过程通常受降水、蒸发、地形、土地利用及大尺度气候异常因子等诸多因素的影响，本
质上是高度动态的，甚至是混沌的，同时也是非线性和非平稳的 ［１］ 。近年来，受气候变化和人类活动
的影响，许多流域的水资源状况发生了很大改变 ［２］ ，径流内在一致性的改变越来越明显，准确地捕捉
月径流时间序列的动态过程变得越来越困难。
传统的具有物理机制的水文模型，是流域内水的运动和存储的物理过程的数学抽象，同时存在大
量的数据需求、模型的不确定性和复杂性、对模型的专门知识和经验的需要以及较大尺度流域实时预
测的计算障碍，意味着它们在应用中遇到了很大挑战。基于随机过程的时间序列模型，通常要求时序
数据是稳定的，并且受到正态性、线性和变量独立性假设的限制 ［３］ ，很难捕捉径流时间序列非线性和
非平稳的特征，在水文时间序列拟合方面能力有限。对于高度非线性和非平稳特征的径流预测可以采
用机器学习模型，如支持向量回归、贝叶斯回归、高斯过程回归、分位数回归和长短期记忆神经网络
［４］
（ ＬｏｎｇＳｈｏｒｔ － Ｔｅｒｍ Ｍｅｍｏｒｙ，ＬＳＴＭ） 等。机器学习模型不需要对流域水文物理过程建模，直接挖掘预测
对象与观测数据间的复杂数据关系，可部分解决具有物理机制的水文模型在预报中的不足，改进了随机
过程模型对高度非平稳数据拟合能力有限的问题，已被证明是一种有效的替代方法，可以提供与传统水

收稿日期：２０２２ － ０６ － １３；网络首发日期：２０２２ － １２ － ２３
网络首发地址：ｈｔｔｐｓ：??ｋｎｓ．ｃｎｋｉ．ｎｅｔ?ｋｃｍｓ?ｄｅｔａｉｌ?１１．１８８２．ＴＶ．２０２２１２２０．１１３２．００１．ｈｔｍｌ
基金项目：国家自然科学基金雅砻江联合基金项目（Ｕ１８６５２０２）；国家自然科学基金重大研究计划重点支持项目（９１５４７２０８）
作者简介：熊怡（１９７８ － ），讲师，主要从事水文水资源研究。Ｅ － ｍａｉｌ：ｈｓｉｕｎｇｙｉ＠１６３．ｃｏｍ
— １ ７ —
２