首页|基于LSTM深度学习的河湖生态流量预警预报模型研究

基于LSTM深度学习的河湖生态流量预警预报模型研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为探究河湖生态流量预报预警机制,进一步改善河湖生态环境,以浙江省椒江流域为研究对象,提出了考虑预警信息的结合熵值法和LSTM的生态流量预报新方法.结果表明:Q90法得出的柏枝岙和沙段断面的生态流量核算值分别为2.89 m3/s和1.92 m3/s,计算结果低于多年平均流量的10%,较为合理可靠;所建模型验证期的纳什效率分别为0.91和0.88,偏差为2.55%和-3.22%,本模型的低水流量模拟效果要优于传统的新安江模型;柏枝岙和沙段断面无预警信息的预报合格率为98.72%和95.38%,有预警信息的预报合格率高达100%和96.61%,满足预报甲级精度,说明该方法较好地完成河湖生态流量预警信息预报任务.
Study on Early Warning and Forecasting Model of Ecological Flow in Rivers and Lakes Based on LSTM Deep Learning

王贝、陈浩、何锡君、许月萍、郭玉雪、耿芳、王冲

展开 >

浙江省水文管理中心,浙江 杭州 310009

浙江大学 建筑工程学院,浙江 杭州 310058

浙江水利 水电学院水利与环境工程学院,浙江 杭州 310018

浙江水文新技术开发经营公司,浙江 杭州 310009

展开 >

生态流量 熵值法 LSTM 椒江流域

浙江省重点研发计划浙江省自然科学基金重点项目国家自然科学基金

2021C03017LZ20E09000191547106

2023

10.19797/j.cnki.1000-0852.20210529

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(3)
  • 1
  • 8