共 14 条
- [4] LSTM-in-LSTM for generating long descriptions of images[J]. Jun Song,Siliang Tang,Jun Xiao,Fei Wu,Zhongfei(Mark) Zhang.Computational Visual Media. 2016(04)
一种LSTM-BP多模型组合水文预报方法附视频
被引：33
作者：
冯钧
潘飞
机构：
[1] 河海大学计算机与信息学院
来源：
关键词：
长短期记忆;
多模型组合预报模型;
水文预报;
D O I：
暂无
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：
水文数据是具有时序性的非线性数据,具有高度的不确定性和复杂性。使用单一模型进行预报的结果常常不尽人意,因此本文基于LSTM和BP神经网络建立LSTM-BP多模型组合预报模型进行水文预报。以子午河流域洪水数据为例进行预报,实验结果表明,多模型组合预报模型的预报结果要优于单一模型,同时预报的稳定性和精确度也得到了提高,从而为水文预报提供了新的思路。
引用
收藏
页码：82 / 85+92
+92
页数：5
相关论文