首页|多变量LSTM神经网络模型在地下水位预测中的应用

多变量LSTM神经网络模型在地下水位预测中的应用

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
准确进行地下水位预测对地下水管理具有重要意义.通过将代表补给项的降水量和代表排泄项的气温、水汽压及开采量作为输入变量,构建了基于多变量长短时记忆(LSTM)神经网络的地下水位预测模型.利用济南市2010—2018年月降水量、气温、水汽压和开采量及第四系含水层和岩溶含水层地下水位数据进行模型训练,并利用2019年数据进行验证,结果表明:①利用正弦函数信号拟合气温数据可以消除气温测量误差的影响,提高模型预测精度;②LSTM神经网络模型当神经元失活比率为20％时能够取得最佳的预测结果,其中对第四系含水层地下水位的均方根预测误差为0.84 m,对岩溶含水层地下水位的均方根预测误差为0.68 m;③总体上,LSTM神经网络模型能够较准确地模拟地下水位的动态特征,只在地下水位突变处误差较大.
Application of Multi-Variable LSTM Neural Network Model for Groundwater Levels Prediction

孙虹洁、赵振华、黄林显、邢立亭、郝杰、罗振江

展开 >

山东省地质矿产勘查开发局 八〇一水文地质工程地质大队,山东 济南250014

济南大学 水利与环境学院,山东 济南250022

山东省地下水数值模拟与污染控制工程技术研究中心,山东 济南250022

机器学习 地下水位预测 多变量 LSTM神经网络 济南

国家自然科学基金山东省自然科学基金山东省高校院所创新团队项目山东省地质矿产勘查开发局科研基金

41772257ZR2019MD0292021GXRC070801KY202004

2022

10.3969/j.issn.1000-1379.2022.08.014

人民黄河
水利部黄河水利委员会

人民黄河

CSTPCD北大核心
影响因子：0.494
ISSN：1000-1379
年,卷(期)：2022.44(8)
  • 5
  • 11