学术探索
学术期刊
文章热点
数据分析
智能智评

基于长短时记忆(LSTM)神经网络的黄河中游洪水过程模拟及预报

被引：26
作者：
徐源浩
邬强
李常青
陈游倩
张力
冉广
胡彩虹
机构：
[1] 郑州大学水利科学与工程学院
来源：
北京师范大学学报(自然科学版) | 2020年 / 56卷 / 03期
基金：
国家重点研发计划;
关键词：
降雨径流模拟; 水文预报; 深度学习; 黄河中游;
D O I：
暂无
中图分类号：
P338 [水文预报];
学科分类号：
摘要：
洪水预报是防洪减灾的重要非工程措施,黄河中游地区水文情势近50 a发生显著变化,为提高变化环境下黄河中游半干旱半湿润地区洪水预报精度,本文以对时间序列数据具有良好模拟效果的深度学习神经网络(长短时记忆神经网络)为基础,建立不同预见期下的流域暴雨洪水模型,以探讨长短时记忆神经网络在黄河中游水文预报中的应用.模型建立采用汾河上游静乐控制站1 956—2014年98场暴雨洪水数据,其中以14个站点降雨及静乐站水文数据作为输入,不同预见期下的洪水过程作为输出,率定期为78场次,验证期为20场次.结果显示:在预见期为0～6 h时预报精度较高,预见期为6 h以上时预报效果相对较差;预报精度随神经元数量和训练次数的增加而呈上升趋势,预见期为0～6h时预报精度上升较为明显,而预见期6 h以上时预报精度上升较为均匀.
引用
收藏
页码：387 / 393
页数：7
相关论文
共 12 条
12