基于AE-RCNN的洪水分级智能预报方法研究

摘要：

复杂产汇流特性地区使用洪水分级预报方法可提高预报精度,本文提出一种基于自编码器(Autoencoder,AE)和残差卷积神经网络(Residual Convolutional Neural Network,RCNN)的洪水分级智能预报方法,使用自编码器和 K均值聚类算法实现对原始水文数据的特征提取和洪水分级,通过 RCNN 模型提升卷积神经网络的有效训练深度,以山东省小清河流域黄台桥水文站为例开展洪水分级智能预报研究.结果表明应用降维数据聚类的 AE-RCNN 模型 MAE 指标、RMSE 指标、NSE 指标分别为5.04、7.91、0.92,优于 CNN 模型、RCNN 模型和降雨聚类RCNN 模型.该方法能够有效提取水文数据特征、提高洪水预报精度.

关键词：洪水分级智能预报、AE-RCNN、数据驱动模型、自编码器、残差卷积神经网络

所属期刊栏目：54

分类号：P338(水文科学（水界物理学）)

资助基金：国家重点研发计划;水利部重大科技项目;科技部重点领域创新团队;国家自然科学基金

在线出版日期：2023-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1070-1079