CEEMDAN-Pyraformer-LSS模型在永定河径流预测中的应用

摘要

为应对径流预测中多尺度性和模型复杂性对实时预测的影响，提出一种新型径流预测模型CEEMDANPyraformer-LSS，以确保模型的鲁棒性。利用自适应噪声完备集合经验模态分解（complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN）技术将复杂径流序列分解为多个本征模态函数，有效去除噪声并提高数据平稳性。利用金字塔注意力模型（Pyraformer）的多头自注意力机制对这些分解后的数据进行高效特征提取和预测。为增强模型在处理噪声和突发事件时的鲁棒性和适应性，结合局部随机敏感性（localized stochastic sensitivity,LSS）函数，动态调整对最新数据点和异常值的敏感度。针对永定河4个关键断面开展应用研究，结果表明：CEEMDAN-Pyraformer-LSS模型在径流预测中精度达到95%。与LSTM、BP模型相比，基于Pyraformer的预测模型在水资源管理和防洪预警等实际应用场景实现了高效性和鲁棒性。

关键词

降雨径流 / 实时预测 / 机器学习 / 金字塔注意力模型 / 局部随机敏感性