資料長(zhǎng)度對(duì)深度學(xué)習(xí)方法日徑流預(yù)報(bào)效率的影響

打開文本圖片集

摘要：

長(zhǎng)短期記憶（Long Short-Term Memory，LSTM）神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)方法具有顯著的時(shí)序分析能力，在徑流預(yù)報(bào)方面有其獨(dú)特的優(yōu)勢(shì)，但該模型預(yù)報(bào)的最優(yōu)輸入輸出長(zhǎng)度組合尚不太明確，探析不同輸入輸出長(zhǎng)度對(duì)LSTM日徑流預(yù)報(bào)效率的影響對(duì)相關(guān)應(yīng)用具有實(shí)際意義。以四川省西部大渡河、雅礱江、岷江支流以及嘉陵江上游等流域?yàn)檠芯繀^(qū)，選取了20個(gè)子/區(qū)間流域，試驗(yàn)不同長(zhǎng)度的前期輸入資料預(yù)報(bào)不同預(yù)見期下的徑流，研究了不同資料長(zhǎng)度下LSTM模型的日徑流預(yù)報(bào)效率，分析了該方法在不同流域的適用性與最優(yōu)輸入輸出長(zhǎng)度的特征。（剩余12433字）