基于 ARIMA-LSTM 组合模型的水库水位多时间尺度预测

雪松 金(绍兴市地铁物产置业有限公司，中国)
铁城 吴(绍兴市地铁物产置业有限公司，中国)
清宇 林(安徽宁国抽水蓄能有限公司，中国)
凌军 肖(深圳市粤通建设工程有限公司，中国)

摘要

为了对水库水位进行快速精准预测，进而提高水库调度的预警能力。因此论文采用一种基于差分自回归移动平均（ARIMA）和长短期记忆网络（LSTM）组合模型的预测方法，采用该方法基于时间序列对三峡水库的水位进行多时间尺度预测，以平均绝对误差（MAE）、均方根误差（RMSE）以及平均绝对百分比误差（MAPE）作为模型评价指标，采用误差评价模型的准确度。结果表明，采用ARIMA-LSTM组合模型能够对三峡水库水位进行准确地追踪预测，并且组合模型的准确度优于ARIMA和LSTM任意单一模型，尤其是在长期预测中，组合模型的优势更加明显，可以快速预测水库水位，及时为水库调度提供决策依据。

关键词

ARIMA；LSTM；组合模型；水位预测

参考

刘志武,王菁,许继军.应用一维水动力学模型预测三峡水库蓄水位[J].长江科学院院报,2011,28(8):22-26.

彭令,牛瑞卿,叶润青,等.基于进化支持向量机的滑坡地下水位动态预测[J].中南大学学报(自然科学版),2012,43(12):4788-4795.

李蓉蓉,戴永.基于LSTM和时间序列分析法的短期风速预测[J].计算机仿真,2020,37(3):393-398.

HOCHREITER S, SCHMIDHUBER J. Long short-termmemory[J]. Neural Computation, 1997,9(8):1735-1780.

DOI: http://dx.doi.org/10.12345/slkxyjs.v7i9.21144