基于MFF和NRBO的LSTM日径流预测方法

本发明涉及基于MFF和NRBO的LSTM日径流预测方法，包括对原始径流序列进行变分模态分解，得到若干固有模态函数分量；通过相关性分析筛选与径流高度相关的水文气象特征；将固有模态函数分量与筛选后的水文气象特征进行融合，构建多维信息特征矩阵；利用牛顿‑拉夫逊优化算法优化LSTM模型的超参数；以所述多维信息特征矩阵为输入，采用优化后的LSTM模型进行日径流预测。本发明的有益效果是：本发明首次将牛顿‑拉夫逊优化算法应用于径流预测模型的超参数优化，增强了全局搜索能力，从而提升预测精度。同时，将固有模态函数分量与筛选后的水文气象特征进行多特征融合，与超参数优化结合，使径流预测更加高效稳健。