BP与LSTM神经网络在福建小流域水文预报中的应用对比

• 作者: 崔巍 王文 陈奔月 顾冉浩
• 来源期刊: 人民珠江
• 关键词: 长短期记忆人工神经网络 降雨径流预报 洪水预报 数据驱动模型
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 应用基础
• 页码范围: 74-84
• 页数: 11页
• 分类号: P338
• 语种: 中文
• DOI: 10.3969/j.issn.1001-9235.2020.02.011

摘要

LSTM(长短期记忆)神经网络作为一种具有记忆能力的循环神经网络,能够学习时间序列数据间的状态特征,特别适合用于流域降雨径流预报.利用福建省延寿溪流域渡里水文站逐时降雨数据和逐时流量数据,分别采用模块化建模方法构建BP神经网络和LSTM神经网络,并采用集合预报均值的形式以避免模型训练中的参数局部最优解问题,进行未来1～24 h的逐时流量滚动预报.对比2个神经网络模型预报结果表明,LSTM模型整体预报效果优于BP模型,在滚动预报过程中预报精度的衰减速度大大慢于BP模型,1～24 h逐时预报的Nash效率系数为0.968～0.740,能够满足短期洪水预报精度要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王文	河海大学水文水资源与水利工程国家重点实验室	64	932	18.0	29.0
2	崔巍	河海大学水文水资源与水利工程国家重点实验室	9	33	2.0	5.0
3	顾冉浩	河海大学水文水资源与水利工程国家重点实验室	1	0	0.0	0.0