基于LSTM和GPR的水文时间序列预测方法研究

摘要

对于具有随机性和突变型的复杂水文时间序列数据,使用单一模型进行水文预测结果准确度有待提高,因此组合模型更为科学。提出一种基于LSTM和GPR的水文时间序列预测方法。利用0-1规划和遗传算法筛选水位的最优特征组合,重构数据集后初步用LSTM模型进行预测,将LSTM预测结果与真实值的残差和LSTM预测结果作为GPR模型的输入,同时进行最终预测。以屯溪流域屯溪水文站的水位数据为例,对水位进行预测。实验结果表明,基于LSTM和GPR的水文时间序列预测方法能有效提升预测的准确度。