资料长度对深度学习方法日径流预报效率的影响

  • 打印
  • 收藏
收藏成功


打开文本图片集

摘要:

长短期记忆(Long Short-Term Memory,LSTM)神经网络深度学习方法具有显著的时序分析能力,在径流预报方面有其独特的优势,但该模型预报的最优输入输出长度组合尚不太明确,探析不同输入输出长度对LSTM日径流预报效率的影响对相关应用具有实际意义。以四川省西部大渡河、雅砻江、岷江支流以及嘉陵江上游等流域为研究区,选取了20个子/区间流域,试验不同长度的前期输入资料预报不同预见期下的径流,研究了不同资料长度下LSTM模型的日径流预报效率,分析了该方法在不同流域的适用性与最优输入输出长度的特征。(剩余12433字)

目录
monitor