基于ARIMA-CNN-LSTM模型的黄河开封段水位预测研究

基于ARIMA-CNN-LSTM模型的黄河开封段水位预测研究陈帅宇;赵龑骧;蒋磊

【期刊名称】《水利水电快报》

【年(卷),期】2023(44)1

【摘要】为准确预测水文条件复杂的黄河开封段水位变化,提出一种基于ARIMA-CNN-LSTM的多变量水位预测模型。该模型通过综合考虑水位的多重影响因素,结合卷积神经网络(CNN)和长短时记忆网络(LSTM)来学习数据中的非线性特征,同时应用ARIMA模型进行参数校正,从而实现对黄河开封段水位未来一段时间的预测。结果表明:相较于LSTM模型、CNN-LSTM模型、ARIMA模型以及BP神经网络

模型,ARIMA-CNN-LSTM模型的预测精度更高,对峰值反应更灵敏,可以更加精准

地预测未来一段时间的黄河开封段水位变化。

【总页数】8页(P15-22)

【作者】陈帅宇;赵龑骧;蒋磊

【作者单位】河南大学软件学院

【正文语种】中文

【中图分类】P338.9;TP391.9

【相关文献】

1.黄河三门峡段基于马尔科夫模型的水质预测

2.水域地籍管理研究r——基于黄河开封段滩涂土地利用变化分析

3.水域地籍管理研究——基于黄河开封段滩涂土地

利用变化分析4.基于数据驱动的黄河三角洲地下水位预测模型5.基于ARIMA模型的西江梧州下游段通航水位预测研究

因版权原因，仅展示原文概要，查看原文内容请购买