基于splice-LSTM的多因素西江水位预测模型研究

摘要

准确的水位和水量等水文时间序列预测是水资源管理的重要依据。受上游支流流量、水位等因素影响,传统的单因素水位预测模型不能有效考虑众多因素,水位预测精度面临严峻挑战。以典型西江干线梧州站水位精准预测为研究对象,建立了基于splice-LSTM的多因素水位预测模型,采用拼接的长短期记忆网络(LSTM)和全连接线性模型(Linear),对2020~2021年西江干线多站点的流量数据进行分析,预测梧州站点的水位。研究结果表明:(1)由于splice-LSTM中引入了非线性层,提高了近期历史输入数据的权重,使得模型预测值更加接近历史真实值,降低了预测误差,Linear部分可以提高模型对于线性成分的敏感性,使得模型在水位峰值处的预测更加准确;(2) splice-LSTM模型与传统单因素的ARIMA模型、LSTM模型相比,在水位预测方面准确度分别提升14.4%,10.1%。研究成果可为西江船闸运行调度中心精准预调度船舶提供参考。