首页|BP与LSTM神经网络在福建小流域水文预报中的应用对比

BP与LSTM神经网络在福建小流域水文预报中的应用对比

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
LSTM(长短期记忆)神经网络作为一种具有记忆能力的循环神经网络,能够学习时间序列数据间的状态特征,特别适合用于流域降雨径流预报.利用福建省延寿溪流域渡里水文站逐时降雨数据和逐时流量数据,分别采用模块化建模方法构建BP神经网络和LSTM神经网络,并采用集合预报均值的形式以避免模型训练中的参数局部最优解问题,进行未来1～24 h的逐时流量滚动预报.对比2个神经网络模型预报结果表明,LSTM模型整体预报效果优于BP模型,在滚动预报过程中预报精度的衰减速度大大慢于BP模型,1～24 h逐时预报的Nash效率系数为0.968～0.740,能够满足短期洪水预报精度要求.
Comparison of BP and LSTM Neural Network for Hydrologic Forecasting of a Small Watershed in Fujian

崔巍、顾冉浩、陈奔月、王文

展开 >

河海大学水文水资源与水利工程国家重点实验室,江苏 南京 210098

福建省水文水资源勘测局闽江河口水文实验站,福建 福州 350001

长短期记忆人工神经网络 降雨径流预报 洪水预报 数据驱动模型

福建省水利科技项目

HK-2018-040

2020

人民珠江
水利部珠江水利委员会

人民珠江

影响因子：0.406
ISSN：1001-9235
年,卷(期)：2020.41(2)
  • 20
  • 8