基于深度學習的小流域山洪水位預測模型研究

打開文本圖片集

摘要：由于小流域山洪致災因素多、時空因素變化快、成災速度快，導致傳統(tǒng)水文水動力模型在山地丘陵小流域地區(qū)的預測及時度不高、準確度低，預測效果不明顯，而基于數(shù)據(jù)驅動的人工智能模型成為逐步成為一種及時準確的方案。為此，通過構建基于深度學習的循環(huán)神經(jīng)網(wǎng)絡（RNN） 與長短期記憶神經(jīng)網(wǎng)絡（LSTM） 山洪災害水位預測模型，通過對學習速率與步長進行調整，逐步降低模型誤差，并通過實時數(shù)據(jù)與氣象預測數(shù)據(jù)實現(xiàn)浙江小流域水山洪監(jiān)測點的水位的預測。（剩余6934字）