基于VMD-GA-BiLSTM的月降水量预测方法

摘要

利用辽宁省气象局提供的地面观测降水资料，构建了具有多元时间特征的降水数据，采用变分模态分解方法（variational mode decomposition, VMD）组合遗传算法（genetic algorithm, GA）对双向长短时记忆神经网络（bidirectional long short-term memory, BiLSTM）进行优化，建立基于VMD-GA-BiLSTM的月降水量预测模型，并与BiLSTM、VMD-BiLSTM和GA-BiLSTM进行实验对比，应用均方根误差（root mean square error, RMSE）、平均绝对误差（mean absolute error, MAE）和R²决定系数作为模型评价指标。实验结果表明：VMD-GA-BiLSTM模型的R²决定系数达到0.98,RMSE和MAE表现更低，验证了VMD-GA-BiLSTM模型在时间序列预测方面的优势。

关键词

BiLSTM / VMD / 遗传算法 / 月降水量 / 时序特征

基金资助

辽宁省教育厅2021年度科学研究经费项目(LJKZ0136)