基于混合GA优化LSTM的中小流域流量预测研究

摘要

为了提高中小流域流量预测的精度,提出一种混合遗传算法(SP;A)优化长短时记忆神经网络(LSTM)的流量预测模型(SP;A-LSTM)。由于LSTM模型参数难以确定,因此采用SP;A进行参数寻优。SP;A算法在遗传算法中引入粒子群算法公式作为变异算子,并且在种群进化后期进行模拟退火操作,以此提高算法的收敛速度和全局搜索能力。通过对龙山流域2010年1月到2014年7月39998个小时流量数据进行仿真,结果表明SP;A算法优化LSTM的方法能够有效提高中小流域流量预测的稳定性和精度。