基于均生函数的长短期记忆神经网络径流建模研究与应用

• 作者: 吴建生 谢永盛 金龙
• 来源期刊: 建模与仿真
• 学科: 工学
• 关键词: 均生函数 信息熵 循环神经网络 长短期记忆神经网络 径流
• 年，卷（期）: 2020,（2）
• 页码范围: 163-177
• 页数: 15页
• 分类号: TP3

摘要

准确的径流建模预测是水文领域中一项具有挑战性的任务,也是减灾防灾的重要研究课题,精确可操作的径流预报模型对于水资源规划及综合开发利用,水利枢纽运行管理等重大决策问题提供基本决策依据,对国民经济健康发展具有十分重要的意义。针对径流预测建模中难以选择建模因子和难以确定非线性径流预测模型的问题,本文利用均生函数生成延拓因子矩阵,并提取延拓矩阵中信息熵高矩阵生成建模因子,进一步利用长短期记忆神经网络建立柳江径流预测模型,该模型通过分析原始降水序列特性,提取径流系统不同振荡周期特征形成建模因子,并结合长短期记忆神经网络对在非线性时间序列记忆特征和非线性时序动力系统控制的优势,以此建立柳江径流模型。该方法充分利用均生函数提取系统序列前后依赖和周期关系特性,并结合长短期记忆神经网络对非线性时间序列记忆特性,此方法能有效地提高预报长度,并能获得较高的建模及预报精度。柳江径流实例进行验证,结果表明了方法预测的精度高,稳定性好,为径流预测分析提供了一种可靠、有效的方法。