针对我国每年频繁发生的洪涝灾害及河流航道通行困难等问题,构建了一个基于时间序列神经网络的高精度的河流水位预报模型,该模型能够有效预测河流水位值,进而及时做出应急处理,减少对生命财产造成的损失.该模型采用湖北省武汉市某水位站2019年7月29日至2020年5月28日的逐时水位时间序列作为训练样本进行训练,2020年5月29日至2021年8月28日的逐时水位组成的500个数据为测试样本进行检验.该模型的预测水位值与真实水位值之间的平均绝对误差为0.00663,均方根误差为0.08143,平均绝对百分比误差为0.23785％,预测精度极高,具有较强实际应用前景.
NETL
NSTL
万方数据
维普
