收藏本站
收藏 | 投稿 | 论文排版

基于多种学习方案LSTM的信江流域径流预测

郑勇  马炳焱  成静清  刘章君  邓武彬  
【摘要】:长短期记忆神经网络(LSTM)在径流预测中具有广泛应用,不同的输入使神经网络具有不同的学习方案,从而影响到模型性能。设置3种不同的LSTM学习方案,以前期径流预测当日径流(方案一)、以前期降雨预测当日径流(方案二)和以前期径流和前期降雨预测当日径流(方案三),比较其在相同模型结构下对信江流域丰水期和枯水期径流预测的性能。结果表明,丰水期和枯水期时方案三拟合度最高,平均绝对误差为0.012 6和0.007 6,纳什效率系数为0.94和0.96,对于信江流域基于LSTM的日径流预测,应当将前期降雨与前期径流结合起来作为模型输入。研究对基于数据驱动的径流预测输入集数据的选取有参考价值。

知网文化
【相似文献】
中国期刊全文数据库 前14条
1 胡庆芳;曹士圯;杨辉斌;王银堂;李伶杰;王立辉;;汉江流域安康站日径流预测的LSTM模型初步研究[J];地理科学进展;2020年04期
2 熊一橙;徐炜;张锐;侯家其;杨雨霞;许莎莎;;基于LSTM网络的长江上游流域径流模拟研究[J];水电能源科学;2021年09期
3 张甲甲;万定生;;基于混合GA优化LSTM的中小流域流量预测研究[J];计算机仿真;2022年02期
4 秦鹏;陈雨;卢文龙;;缺失数据条件下基于GAN与LSTM的水文预报研究[J];人民黄河;2021年06期
5 闫佰忠;孙剑;王昕洲;韩娜;刘博;;基于多变量LSTM神经网络的地下水水位预测[J];吉林大学学报(地球科学版);2020年01期
6 任成清;马建国;张冲;郭娜;聂思雨;;基于LSTM神经网络与蒙特卡罗模型的辽河源头区径流预测[J];水电能源科学;2021年11期
7 张睿芝;戴凌全;戴会超;刘亚新;蔡卓森;刘芬;;基于改进LSTM模型的三峡水库蓄水对洞庭湖水位影响的空间异质性分析[J];水利水电技术(中英文);2022年02期
8 李林伟;彭崯;童思友;王忠成;尚新民;赵胜天;;LSTM神经网络在地震资料初至拾取中的应用[J];中国海洋大学学报(自然科学版);2022年02期
9 周恒;武中原;张欣;张春雷;马乔雨;;基于LSTM循环神经网络的横波预测方法[J];断块油气田;2021年06期
10 同套文;;基于LSTM深度学习的河流径流量及含沙量预测方法研究[J];灌溉排水学报;2021年S1期
11 王圆圆;孙可可;;基于LSTM的地震前兆数据分析算法设计与实现[J];智能计算机与应用;2020年02期
12 唐丝语;黄智;;基于因果卷积与LSTM网络的电离层总电子含量预报[J];空间科学学报;2022年03期
13 李博;降亚楠;张特;姜田亮;;基于LSTM模型的北威克试验站小流域实时径流预报[J];水利与建筑工程学报;2022年03期
14 赵勇;苏丹;邹丽;王爱民;;基于LSTM神经网络的畸形波预测[J];华中科技大学学报(自然科学版);2020年07期
中国重要会议论文全文数据库 前1条
1 唐上;宋冬梅;向亮;单新建;王斌;;基于LSTM神经网络的电离层TEC预测[A];2019年中国地球科学联合学术年会论文集(十一)——专题28:大地震发生的物理机制与预测方法和技术、专题29:“张衡一号”卫星应用与国家地球物理场卫星探测计划、专题30:空间大地测量与地壳动力学[C];2019年
中国硕士学位论文全文数据库 前7条
1 罗欣;基于LSTM的区域电离层总电子含量预测建模[D];华中科技大学;2018年
2 王润泽;利用LSTM人工神经网络对部分环电流指数的预报[D];中国科学院大学(中国科学院国家空间科学中心);2021年
3 谢世博;基于LSTM神经网络的河流推移质卵石运动研究[D];华北水利水电大学;2021年
4 赵宁;SWAT模型与LSTM模型径流模拟对比与分析[D];山东科技大学;2020年
5 霍琳琳;一种使用LSTM和Policy Gradient实现月平均水文流量预测的方法[D];天津大学;2018年
6 王雨晴;基于LSTM的多模型水文径流预测方法的研究[D];天津大学;2019年
7 梁肖旭;基于深度学习的水文预报方法研究[D];西安电子科技大学;2020年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978