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：27

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：

081501 ;

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

页码：387 / 393

页数：7