Page 52 - 2023年第54卷第2期

２．４ 自适应分解－ 预测－ 集成建模流程 将变分模态分解技术（ＶＭＤ）、自适应动态分解策略（ＡＳ）、长
短期记忆神经网络（ ＬＳＴＭ）以及贝叶斯优化算法（ＢＯ）应用于金沙江流域石鼓站径流预报。应用 ＡＳ策
略对月径流进行 ＶＭＤ分解，称为自适应变分模态分解 （Ｓｅｌｆ － ａｄａｐｔａｔｉｏｎＳｔｒａｔｅｇｙＶａｒｉａｔｉｏｎＭｏｄｅＤｅｃｏｍ
ｐｏｓｉｔｉｏｎ ，ＡＳＶＭＤ），充分提取原始径流时间序列中的频率成分；利用偏自相关法筛选 ＬＳＴＭ 模型的输
入因子；采用贝叶斯算法（ ＢＯ）优选 ＬＳＴＭ模型超参数，提高 ＬＳＴＭ的拟合和泛化能力；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 迳 流 预 测 混 合 模 型 （“预 测 实 验”）， 即
ＡＳＶＭＤ － ＢＯ － ＬＳＴＭ模型。自适应分解—预测—集体径流预报建模流程如图 ３。主要步骤：

图 ３ 自适应分解－ 预测－ 集成模型

步骤 １：设置时间序列自适应动态分解子序列个数 Ｌ及栈道长度 ｍ ＋ １ ；
步骤 ２：采用 ＡＳ策略对径流时间序列进行 ＶＭＤ分解（ＤＷＴ、ＥＥＭＤ分解可作为比较），得到 Ｌ个
子序列（分解分量）；
步骤 ３：将分解后的序列分割为训练集和测试集数据，分别用于模型建模和测试；
步骤 ４：计算偏自相关系数 ＰＡＣＦ，筛选每个分解分量 ＬＳＴＭ模型的输入因子；
步骤 ５：利用 ＢＯ算法对 ＬＳＴＭ模型超参数寻优；
步骤 ６：采用筛选得到的输入因子及训练好的 ＬＳＴＭ模型对子序列（分解分量）进行预测；
步骤 ７：各分解分量预测结果集成得到径流预报结果。

３ 实例分析

３．１ 研究区及数据 金沙江发源于（即长江发源于）青海省唐古拉山山脉，奔流至云南玉龙县石鼓镇
突然反向转弯，形成 “ Ｕ” 字形大弯，石鼓水文站就位于此长江第一湾的上半边。石鼓以上区间为金
沙江上游流域（如图 ４），地形极为复杂，河流流向多沿南北向大断裂带，山高谷深，降水和径流垂直
分布明显，枯季径流较为稳定，汛期洪水主要由融雪和暴雨形成。随着金沙江中下游和雅砻江等梯级开
发的陆续实施，精确可靠的上游径流预测预报信息，是流域内水库群调度和水资源科学配置的重要依据。

— １ ７ —
６