长短期记忆网络在中长期径流预报中的应用

• 作者: 陶思铭 梁忠民 陈在妮 曲田 胡义明
• 来源期刊: 武汉大学学报（工学版）
• 学科: 工学
• 关键词: 长短期记忆神经网络 BP神经网络 中长期径流预报 唐乃亥流域
• 年，卷（期）: 2021,（1）
• 页码范围: 21-27
• 页数: 7页
• 分类号: TV124
• 语种: 中文
• DOI: 10.14188/j.1671-8844.2021-01-004

摘要

长短期记忆神经网络(long-short term memory neural network,LSTM)是一种适合模拟与预测时间序列长程变化的神经网络,可用于研究中长期水文预报问题.以黄河源区唐乃亥流域为研究区域,根据2000-2009年的日降雨量、蒸发量和流量资料,构建了未来30 d的逐日流量LSTM预报模型,并以2010-2012年的资料进行验证.采用相对误差绝对值平均、确定性系数为评价指标,将LSTM与传统的误差反向传播(back propagation,BP)算法模型进行对比.结果表明,LSTM模型具有精度高、预报效果稳定等特点,特别是随着预见期的增长其精度衰减较BP模型明显变缓.研究成果可供研究区径流中长期预测提供参考.