首页|基于深度神经网络的水文频率分析

基于深度神经网络的水文频率分析

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
通过给定水文频率分布参数值,随机生成皮尔逊Ⅲ型分布序列,将其作为输入,分别以分布参数或给定设计频率下的设计值作为输出,构建了两种深度神经网络模型:一种可估计水文频率分布参数,另一种可直接估计给定频率下的设计值.分别以序列长为30、50以及100的三组测试集开展实例研究,结果表明:直接估计给定频率下设计值的深度神经网络优于估计分布参数的网络;其设计值估计结果的平均相对误差分别为-0.003、-0.007和0.004,而线性矩法为0.036、0.016和0.010,无偏性更优且有效性全面优于线性矩法,并在分布参数偏大或偏小的情况下表现更加稳定.
Hydrological Frequency Analysis Based on Deep Neural Networks

周楚天、刘攀

展开 >

武汉大学 水资源与水电工程科学国家重点实验室,湖北 武汉 430072

水文频率分析 深度神经网络 线性矩法 皮尔逊Ⅲ型分布

国家自然科学基金联合基金国家自然科学基金科技部重点领域创新团队项目

U1865201518611251022018RA4014

2022

10.19797/j.cnki.1000-0852.20210371

水文
水利部水文局 水利部水利信息中心

水文

CSTPCDCSCD北大核心
影响因子：0.742
ISSN：1000-0852
年,卷(期)：2022.42(6)
  • 1
  • 9