基于AR-RNN的多变量水位预测模型研究

摘要

影响河流水位的因素众多,鉴于传统的单变量水文预测模型无法充分考虑众多因素,提出了一种基于AR-RNN的多变量水位预测模型.模型包含循环神经网络(RNN)与自回归模型(AR)两个部分.RNN部分为模型引入了大量的非线性层,帮助模型拟合水文序列中的非线性成分.但是大量的非线性层降低了模型对于线性成分的敏感性,AR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.将AR-RNN模型应用于四川省清溪河流域的水位预测中,结果表明:相对于ARIMA模型、SVR模型和BP神经网络,AR-RNN模型的预测精度更高.