首页|SMA-LSTM模型在径流预报中的适用性研究

SMA-LSTM模型在径流预报中的适用性研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
径流预报对于防洪、发电和生态调度等具有重要意义.以大渡河丹巴以上流域为研究区域,采用黏菌优化算法(SMA)对长短期记忆神经网络(LSTM)的隐藏层输出维度进行优化,构建SMA-LSTM模型对未来10日径流过程进行预报,以探讨深度学习方法对流域径流预报的适用性.基于2012-2017年的日降雨量和日流量资料,构建了预见期为10天的逐日径流SMA-LSTM预报模型,以2018-2019年的资料进行模型验证;采用最大1日径流量相对误差和10日总径流量相对误差作为SMA-LSTM模型精度的评价指标,并与未优化的LSTM模型和新安江模型结果进行对比.结果表明:SMA-LSTM模型具有较高的模拟和预报精度,无论是在率定期还是验证期,两种指标均控制在±10％以内,且两种指标的绝对值平均都不超过7％;整体而言,SMA-LSTM模型精度更高,预报的径流过程与实测过程更为贴近.研究成果可供流域径流预报实际工作参考.
Application of Long Short-Term Memory Neural Network Optimized by Slime Mold Algorithm in Runoff Forecast

李佳、曲田、牟时宇、陶思铭、胡义明

展开 >

国能大渡河流域水电开发有限公司,四川 成都 610041

河海大学 水文水资源学院,江苏 南京 210098

长短期记忆神经网络(LSTM) 黏菌优化算法(SMA) 径流预报

国家自然科学基金国能大渡河流域水电开发有限公司科技项目

41730750CEZB200505212

2023

10.19797/j.cnki.1000-0852.20210311

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)：2023.43(1)
  • 1
  • 7