长短期记忆模型的超级参数调节在径流预测中的效果研究

• 作者: 黄文峰
• 来源期刊: 西华大学学报（自然科学版）
• 学科: 工学
• 关键词: 径流预测 机器学习 长短期记忆模型 超级参数
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 中日防灾减灾环保研究院专家特约稿
• 页码范围: 23-29
• 页数: 7页
• 分类号: TP183|TV697.2
• 字数: 4082字
• 语种: 中文
• DOI: 10.12198/j.issn.1673-159X.0504

摘要

文章采用机器学习中的长短期记忆模型(LSTM)预测汉江水系部分子流域的径流量,用纳什效率系数来评价预测精度.计算结果表明,LSTM的超级参数对径流量预测效果的影响显著,恰当的超级参数可使纳什效率系数达到0.93以上.在常用的超级参数当中,回溯次数、输入数据的随机舍弃率、数据遍历次数对预测精度的影响较大.这些超级参数在多个子流域的径流预测中有一定的通用性.作为防止过拟合现象的超级参数,输入数据随机舍弃率在径流量预测中宜设置低值,以免漏报洪水,这与通常机器学习中的设置有所不同.