ゲート再帰ユニット、離散ウェーブレット変換、変分モード分解を用いた西江河の月次流出予測

神経ネットワークは、複雑な水文学的プロセスを捉え、正確な予測を提供する能力により、流量予測に広く使用されています。本研究では、前月の流出量、水位、および降水量を使用して月次流出予測のためのフレームワークを提案します。このフレームワークは、ノイズ除去のための離散ウェーブレット変換（DWT）、部分系列抽出のための変分モード分解（VMD）、および個々の部分系列のモデリングのためのゲート再帰ユニット（GRU）ネットワークを統合しています。我々の研究結果は、流出量と降雨量の時間系列を入力とするDWT–VMD–GRUモデルが、GRU、長短期記憶（LSTM）、DWT–GRU、DWT–LSTMなどの他のモデルを上回り、さまざまな評価指標において一貫して優れた性能を示すことを示しています。テストフェーズでは、DWT–VMD–GRUモデルは、それぞれ245.5 m3/s、200.5 m3/s、0.033、0.997、0.978のRMSE、MAE、MAPE、NSE、KGE値を生成しました。さらに、異なる入力の組み合わせに対する最適なスライディングウィンドウの期間は通常1〜3ヶ月の範囲であり、流出量と降雨量を使用したDWT–VMD–GRUモデルは、1ヶ月のスライディングウィンドウで最適な性能を達成しました。このモデルの優れた精度は、水資源管理、洪水制御、貯水池運用を向上させ、より良い判断と効率的な資源配分をサポートします。