基于调和分析及VMD-BP神经网络的感潮河段流量预报

针对感潮河段受径流和潮汐共同影响导致流量预报精度较低的问题,结合变分模态分解(variational mode decomposition,VMD)处理非平稳信号的能力与反向(back propagation,BP)神经网络处理非线性问题的优势,提出了基于潮流调和分析及VMD-BP神经网络组合模型的感潮河段流量预报方法。首先,采用潮流调和分析方法对原始流量进行潮流、余流分离;然后,根据误差逆向传播算法构建BP神经网络,并对潮流数据和经VMD处理后的余流数据进行仿真训练;最后,将仿真训练输出的潮流和余流分量叠加重构进而得到最终的流量预报结果。在长江口徐六泾断面开展流量预报实验,结果表明,单独采用BP神经网络方法相对于传统潮流调和分析方法的流量预报精度提高了约3 400 m³/s,相对精度提高了约6%;所提组合模型方法的流量预报精度相对于传统潮流调和分析方法提高了约5 000 m³/s,相对精度提高了约9%。基于调和分析及VMD-BP神经网络的组合模型可以有效提高感潮河段流量预报精度,同时也为流况多变水域的流量预报提供新思路。