长短期记忆网络在中长期径流预报中的应用

被引：24

作者：

陶思铭 ^{[1
]}

梁忠民 ^{[1
]}

陈在妮 ^{[2
]}

曲田 ^{[2
]}

胡义明 ^{[1
]}

机构：

[1] 河海大学水文水资源学院

[2] 国家能源集团大渡河流域梯级电站集控中心

来源：

武汉大学学报(工学版) | 2021年 / 54卷 / 01期

基金：

国家重点研发计划;

关键词：

长短期记忆神经网络; BP神经网络; 中长期径流预报; 唐乃亥流域;

D O I：

10.14188/j.1671-8844.2021-01-004

中图分类号：

P338.2 [];

学科分类号：

摘要：

长短期记忆神经网络(long-short term memory neural network,LSTM)是一种适合模拟与预测时间序列长程变化的神经网络,可用于研究中长期水文预报问题。以黄河源区唐乃亥流域为研究区域,根据2000-2009年的日降雨量、蒸发量和流量资料,构建了未来30 d的逐日流量LSTM预报模型,并以2010-2012年的资料进行验证。采用相对误差绝对值平均、确定性系数为评价指标,将LSTM与传统的误差反向传播(back propagation,BP)算法模型进行对比。结果表明,LSTM模型具有精度高、预报效果稳定等特点,特别是随着预见期的增长其精度衰减较BP模型明显变缓。研究成果可供研究区径流中长期预测提供参考。

引用

页码：21 / 27

页数：7