基于长短时记忆(LSTM)神经网络的黄河中游洪水过程模拟及预报

• 作者: 冉广 张力 徐源浩 李常青 胡彩虹 邬强 陈游倩
• 来源期刊: 北京师范大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 降雨径流模拟 水文预报 深度学习 黄河中游
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 水文过程与模拟
• 页码范围: 387-393
• 页数: 7页
• 分类号: P333.2
• 语种: 中文
• DOI: 10.12202/j.0476-0301.2020156

摘要

洪水预报是防洪减灾的重要非工程措施,黄河中游地区水文情势近50 a发生显著变化,为提高变化环境下黄河中游半干旱半湿润地区洪水预报精度,本文以对时间序列数据具有良好模拟效果的深度学习神经网络(长短时记忆神经网络)为基础,建立不同预见期下的流域暴雨洪水模型,以探讨长短时记忆神经网络在黄河中游水文预报中的应用.模型建立采用汾河上游静乐控制站1956-2014年98场暴雨洪水数据,其中以14个站点降雨及静乐站水文数据作为输入,不同预见期下的洪水过程作为输出,率定期为78场次,验证期为20场次.结果显示:在预见期为0～6h时预报精度较高,预见期为6h以上时预报效果相对较差;预报精度随神经元数量和训练次数的增加而呈上升趋势,预见期为0～6h时预报精度上升较为明显,而预见期6h以上时预报精度上升较为均匀.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡彩虹	郑州大学水利科学与工程学院	102	957	19.0	25.0
2	李常青	郑州大学水利科学与工程学院	17	83	4.0	9.0
3	张力	郑州大学水利科学与工程学院	34	123	7.0	10.0
4	冉广	郑州大学水利科学与工程学院	2	0	0.0	0.0
5	徐源浩	郑州大学水利科学与工程学院	1	0	0.0	0.0
6	邬强	郑州大学水利科学与工程学院	1	0	0.0	0.0
7	陈游倩	郑州大学水利科学与工程学院	1	0	0.0	0.0