基于VMD-GRU的大型灌区干旱预测模型研究

灌区干旱灾害的频繁发生严重制约了当地经济的发展,为了实现灌区内水资源的合理调配和利用,需对灌区未来的干旱情况进行有效预测,从而有针对性的采取预防措施降低干旱事件所造成的影响。基于“先分解,后重构”的思想,将能够对非线性、非平稳时间序列进行预处理的变分模态分解VMD(Variational Mode Decomposition)与门控循环单元网络GRU(Gated Recurrent Unit)相结合,建立VMD-GRU干旱预测模型,针对赵口大型灌区4个气象站点1981-2017年的逐月降水数据构建标准化降水指数SPI时间序列并采用所建干旱预测模型和3个单一预测模型对SPI值进行预测,研究采用3个月的时间尺度计算标准化降水指数SPI进行干旱事件识别和等级划分。结果表明:4个气象站点VMD-GRU干旱预测模型SPI值预测结果的平均相对误差在18.7%~20.6%之间,预测误差较为稳定。VMD-GRU干旱预测模型的平均绝对误差MAE、均方误差MSE、均方根误差RMSE均为4种模型中最小,不同气象站点的3个评价指标值均分别接近,所建模型不存在过拟合或者欠拟合问题。利用游程理论识别干旱历时和干旱强度,以开封气象站为例,1981-2017年间干旱历时的预测准确率达到81.1%,实际干旱强度的整体波动趋势与预测干旱强度大体一致,两序列的皮尔逊相关系数达到0.961,表明所建VMD-GRU干旱预测模型能够较为准确地对灌区干旱进行预测,为大型灌区干旱预警提供一种可靠的研究方法。