缺失数据条件下基于GAN与LSTM的水文预报研究

• 作者: 秦鹏 陈雨 卢文龙
• 来源期刊: 人民黄河
• 关键词: 生成对抗网络 缺失数据 水文预报
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 水文泥沙
• 页码范围: 16-20,27
• 页数: 6页
• 分类号: TV124
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1379.2021.06.004

摘要

针对传统水文预报模型因观测数据缺失而导致预报精度不高的问题,利用生成对抗网络(GAN)可以学习数据分布生成数据的特点,将生成对抗网络与长短时记忆网络(LSTM)相结合,提出一种新的耦合模型GAN-LSTM.首先,利用生成对抗网络中"二元极小极大博弈"思想生成与缺失数据分布一致且能够表征缺失数据特性的填充数据来解决数据缺失问题;然后,将填充整合后的数据输入长短时记忆网络进行水文预报;最后,以清溪河清溪水文站的实测水文数据集为例进行了试验,试验结果表明所提出的模型在缺失数据条件下的预报性能显著优于其他同类模型.