人工智能在水文预报中的应用研究

• 作者: 周研来 巴欢欢 张斐章 郭生练 钟逸轩 陈华
• 来源期刊: 水资源研究
• 学科: 工学
• 关键词: 水文预报 人工智能 机器学习 深度学习 数据挖掘
• 年，卷（期）: 2019,（1）
• 页码范围: 1-12
• 页数: 12页
• 分类号: TP39

摘要

全面论述了数据驱动水文模型中人工智能的关键技术及其适应范围,分析了机器学习在水文预报中遇到的技术瓶颈。采用Gamma Test对数据驱动模型进行输入优选,降低了模型的白噪声误差影响;提出了长短期记忆神经网络与批量学习、正则化、筛选神经元技术相结合的深度学习网络,以解决变化环境下降雨–洪水过程统计特征的非线性、随机性和时变性问题。长江上游向家坝~三峡水库区间流域的应用结果表明:在不考虑未来降雨预报的前提下,仅以前期和现时已知的降雨–洪水资料为模型输入,长短期记忆动态神经网络结合三种深度学习辅助算法,防止模型的过参数化和过拟合,有效提高了三峡水库入库洪水的预报精度,1~3 d预报精度均达到了甲等水平。