学术探索
学术期刊
新闻热点
数据分析
智能评审

数据驱动模型在洪水预报中的应用及其发展趋势

被引：4
作者：
杨丽洁
机构：
[1] 河海大学计算机与信息学院
来源：
电脑知识与技术 | 2018年 / 14卷 / 17期
关键词：
数据驱动模型; BP; RBF; SVM; 洪水预报;
D O I：
10.14004/j.cnki.ckt.2018.1898
中图分类号：
P338 [水文预报]; TP183 [人工神经网络与计算];
学科分类号：
摘要：
近年来,随着气候和水文模拟能力的提升,卫星等采集数据技术的改进以及智能计算的进步,数据驱动方法在洪水预报领域的使用越来越普遍。鉴于数据驱动方法在洪水领域的迅速发展,本文主要概述数据驱动模型的基本概念和其在过去不同类型流域、不同水文要素下的应用以及各学者做出的相关改进,即主要对BP神经网络、RBF神经网络、支持向量机(SVM)模型、栈式自编码(SAE)模型和模型组合应用作简要回顾;最后确定未来的研发方向。
引用
收藏
页码：275 / 277
页数：3
相关论文
共 7 条
  • [1] 数据驱动的中小河流智能洪水预报方法对比研究
    马凯凯
    李士进
    王继民
    余宇峰
    [J]. 中国科学技术大学学报, 2016, 46 (09) : 774 - 779
  • [2] ν-支持向量机洪水预报模型研究
    但灵芝
    王建群
    陈理想
    陈红红
    [J]. 水文, 2016, 36 (02) : 7 - 11
  • [3] 不确定支持向量机在洪水预测模型中的应用
    李晓丽
    周小健
    沈钢纲
    何晓芳
    [J]. 兰州理工大学学报, 2012, 38 (03) : 107 - 110
  • [4] 用径向基函数神经网络模型预报感潮河段洪水位
    黄国如
    胡和平
    田富强
    [J]. 水科学进展, 2003, (02) : 158 - 162
  • [5] 水文预测中的神经网络模型实用对比分析
    董曼玲
    黄飞
    秦丕梓
    [J]. 山东农业大学学报(自然科学版), 2002, (02) : 207 - 211
  • [6] Flood susceptibility assessment using GIS-based support vector machine model with different kernel types[J] . Mahyat Shafapour Tehrany,Biswajeet Pradhan,Shattri Mansor,Noordin Ahmad.Catena . 2015
  • [7] Support vector machine applications in the field of hydrology: A review[J] . Sujay Raghavendra. N,Paresh Chandra Deka.Applied Soft Computing Journal . 2014
1