基于深度学习的小流域山洪水位预测模型研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：由于小流域山洪致灾因素多、时空因素变化快、成灾速度快，导致传统水文水动力模型在山地丘陵小流域地区的预测及时度不高、准确度低，预测效果不明显，而基于数据驱动的人工智能模型成为逐步成为一种及时准确的方案。为此，通过构建基于深度学习的循环神经网络（RNN） 与长短期记忆神经网络（LSTM） 山洪灾害水位预测模型，通过对学习速率与步长进行调整，逐步降低模型误差，并通过实时数据与气象预测数据实现浙江小流域水山洪监测点的水位的预测。（剩余6934字）

试读结束

目录
monitor