基于VMD和LSTM对月气温和海温预测的对比研究

摘要

在对比月平均气温和月平均海温距平两类时序数据长短期记忆网络（LSTM）开环、闭环模型预测效果基础上，引入变分模态分解（VMD）算法并开展组合建模，建立VMD-LSTM闭环模型、VMD-SLSTM开环模型、VMD-MLSTM开环模型。结果表明：VMD-LSTM闭环模型月平均海温距平预测效果较LSTM闭环模型提升明显，月平均气温预测效果提升有限；VMD-SLSTM开环模型、VMD-MLSTM开环模型预测效果较VMD-LSTM闭环模型和LSTM开环、闭环模型均有明显提升，两种开环模型平均RMSE较其他模型可减小1～2个量级，模型拟合数据与原数据相关性均在0.998 0以上。原因分析表明，VMD分解后各本征模态接近平稳信号，LSTM可有效捕捉其长程依赖性且预测时有新模态数据输入更新网络，其中VMD-MLSTM开环模型既有新模态数据更新网络又考虑了各模态间相互影响。

关键词

VMD / LSTM / VMD-LSTM / 气温 / 海温距平 / 时序预测