資料長度對深度學(xué)習(xí)方法日徑流預(yù)報效率的影響

打開文本圖片集

摘要：

長短期記憶（Long Short-Term Memory，LSTM）神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)方法具有顯著的時序分析能力，在徑流預(yù)報方面有其獨特的優(yōu)勢，但該模型預(yù)報的最優(yōu)輸入輸出長度組合尚不太明確，探析不同輸入輸出長度對LSTM日徑流預(yù)報效率的影響對相關(guān)應(yīng)用具有實際意義。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為研究區(qū)，選取了20個子/區(qū)間流域，試驗不同長度的前期輸入資料預(yù)報不同預(yù)見期下的徑流，研究了不同資料長度下LSTM模型的日徑流預(yù)報效率，分析了該方法在不同流域的適用性與最優(yōu)輸入輸出長度的特征。（剩余12433字）