基于深度信念极限学习机与卷积优化算法的洪水预报方法

摘要：

针对洪水峰高量大、汇流时间短以及流域地貌复杂,导致洪水预报难度大和预报精度不理想的问题,提出一种基于深度信念极限学习机(DBN-ELM)和改进卷积优化算法(ICOA)的ICOA-DBN-ELM模型.以渭河上游北道水文站点2006～2020年的日径流数据作为输入数据,并将该模型与 BP、ELM、DBN-BP、DBN-ELM、COA-DBN-ELM模型进行对比.结果表明,所建立的ICOA-DBN-ELM模型有更好的预报精度,在洪水预报领域具有良好的应用前景.

关键词：洪水预报、深度信念极限学习机、参数优化、卷积优化算法

所属期刊栏目：42

分类号：TV122;P338(水利工程基础科学)

资助基金：国家自然科学基金;江苏省自然科学基金;江苏省高校自然科学基金面上项目;江苏省双创计划

在线出版日期：2024-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：48-52