深度学习法在黑河流域降雨径流预测中的应用

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：随着计算硬件和算法的发展，长短期记忆网络(LSTM)和序列到序列(seq2seq)等深度学习方法在处理时间序列问题上显示出较大优势。针对连续降雨径流预测，提出一种基于LSTM和seq2seq结构的预测模型。研究表明，LSTM-seq2seq模型在连续降雨径流预测方面优于线性回归、Lasso回归、支持向量回归和LSTM模型，具有较强的预测能力，可用于提高短期洪水预报的精度。

作者：

翟志杰

展开 >

作者单位：

黑龙江农垦勘测设计研究院有限公司,哈尔滨 150090

关键词：

径流预测长短期记忆网络序列到序列深度学习

出版年：

2024

DOI：

10.3969/j.issn.1006-7175.2024.07.023

水利科技与经济

哈尔滨市水务科学研究院哈尔滨市水利规划设计研究院哈尔滨市水利学会

水利科技与经济

影响因子：0.274

ISSN：1006-7175

年,卷(期)：2024.30(7)