基于LSTM网络的横山水库日来水量预测

摘要：

基于长短期神经网络(Long-Short Term Memory,LSTM)搭建了浙江奉化横山水库的日来水量预测模型,该模型以水库前期日来水量序列、流域面雨量以及水库蒸发下渗水量作为输入变量,水库下一日的日来水量作为预测结果,比较并分析了不同输入变量组合下预测结果的精度.结果表明,模型能够较好地模拟出横山水库日来水量在长期序列中的关联性,LSTM对于输入变量的关键性在预测精度上有着明显的体现.当用于预测的时间序列长度增加时,预测精度有一定程度的降低,但模型的泛化能力明显提升,说明LSTM可以有效避免过拟合等问题,具有较好的泛化性能.

关键词：长短期神经网络、日来水量预测、横山水库

分类号：P333.1(水文科学（水界物理学）)

资助基金：宁波市奉化区科技计划项目;湖北省自然资源厅科研项目

在线出版日期：2023-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1-4