摘要
针对传统径流预报模型存在可靠性不高的缺陷,提出耦合 Encoder-Decoder与 RFR的径流预报模型,即通过 Encoder-Decoder架构深度学习模块对径流-气象资料进行编码、解码处理以提取得到新的语义特征,进而将其作为输入变量用以随机森林回归(RFR)拟合.在阜阳市径流量预报实证中表明,Encoder-Decoder 与 RFR 模型的R2=0.75,MAE、RMSE分别为 3.75、4.26 亿 m3;较之于 RFR 模型的R2 提升了 12.67%,而MAE和RMSE 依次减小了 17.40%、16.63%.
国家科技期刊平台
NSTL
万方数据