基于正则化GRU模型的洪水预测

摘要：

针对传统神经网络模型在洪水预测过程中存在准确性低、过拟合等问题,本文以赣江流域外洲水文站每月平均水位为研究对象,提出基于正则化GRU神经网络的洪水预测模型来提高洪水预报精度.选用relu函数作为整个神经网络的输出层激活函数,将弹性网正则化引入到GRU模型中,对网络中输入权重w实施正则化处理,以提升GRU模型的泛化性能,并将该模型应用于外洲水文站每月平均水位的拟合及预测.实验对比表明,弹性网正则化优化后的模型预测拟合程度较高,合格率提高了9.3％,计算出的均方根误差较小.

关键词：时间序列、门结构循环单元、弹性网正则化、洪水预报、水位

所属期刊栏目：28

资助基金：国家自然科学基金61866028,61741312

在线出版日期：2019-06-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：196-201