10.20040/j.cnki.1000-7709.2024.20240141
基于长短时记忆网络的山区中小流域降雨径流模拟
洪水预报是流域防洪减灾的重要非工程措施之一.目前我国中小河流暴雨洪水灾害频发,但应对短历时强降雨的洪水预报能力仍不强.以安徽省东部山区中小流域为研究对象,引入长短时记忆网络建立流域降雨径流模型,探讨其在山区中小流域的洪水模拟效果.结果表明,考虑降雨输入的空间差异可提升深度学习模型降雨径流模拟预测性能,且长短时记忆网络能够取得优于传统人工神经网络的精度;长短时记忆网络模型有效建立了流域降雨与径流间的复杂非线性关系,模型在所选流域内场次洪水的峰值模拟效果较好,训练、测试集场次洪水峰值合格率均在90%以上;长短时记忆网络内部结构特征与流域水文过程具有较好的相似性,对山区中小流域暴雨洪水非线性关系拟合效果突出.
山丘区、长短时记忆网络、中小河流、降雨径流模拟
42
TV121+.1(水利工程基础科学)
国家重点研发计划;国家重点研发计划
2024-08-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
33-37