摘要： 為減少水面蒸發(fā)非線性、復(fù)雜性和不穩(wěn)定性等特征帶來的預(yù)測誤差，基于“分解-預(yù)測-重構(gòu)”的策略，提出VMD-LSTM水面蒸發(fā)預(yù)測模型。該模型耦合長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)與變分模態(tài)分解法(VMD),利用變分模態(tài)分解將水面蒸發(fā)及其主要影響因素分解為相同數(shù)量的子模態(tài)分量以降低數(shù)據(jù)的非平穩(wěn)性，將對應(yīng)子模態(tài)分量作為長短期記憶神經(jīng)網(wǎng)絡(luò)的輸入，構(gòu)建VMD-LSTM深度神經(jīng)網(wǎng)絡(luò)混合模型，并應(yīng)... （共9頁）