长短期记忆网络在中长期径流预报中的应用
作者：陶思铭,梁忠民,陈在妮,曲田,胡义明 单位：河海大学水文水资源学院；国家能源集团大渡河流域梯级电站集控中心 本文刊于： 《武汉大学学报(工学版)》 2021年第01期
关键词:
长短期记忆神经网络 BP神经网络 中长期径流预报 唐乃亥流域Keywords
long-short term memory neural network(LSTM), back propagation(BP)neural network, medium-long term runoff forecast, Tangnaihai basin
全文下载：需积分3点。
摘要
长短期记忆神经网络(long-short term memory neural network,LSTM)是一种适合模拟与预测时间序列长程变化的神经网络,可用于研究中长期水文预报问题。以黄河源区唐乃亥流域为研究区域,根据2000-2009年的日降雨量、蒸发量和流量资料,构建了未来30 d的逐日流量LSTM预报模型,并以2010-2012年的资料进行验证。采用相对误差绝对值平均、确定性系数为评价指标,将LSTM与传统的误差反向传播(back propagation,BP)算法模型进行对比。结果表明,LSTM模型具有精度高、预报效果稳定等特点,特别是随着预见期的增长其精度衰减较BP模型明显变缓。研究成果可供研究区径流中长期预测提供参考。
本文地址：www.fabiao.net/content-20-557-1.html
本文地址：www.fabiao.net/content-20-557-1.html
