10.3969/j.issn.1006-4303.2022.04.004
基于CNN-Seq2seq的河道水位区间预测方法
准确的河道水位预测在水资源利用和防洪减灾辅助决策中具有重要作用.在水文流域相关物理过程未知的情况下,构建了一种基于一维卷积和长短期记忆网络的混合深度学习区间预测模型——卷积-序列到序列网络(CNN-Seq2seq),结合卷积网络和长短期记忆网络能够提取不同数据特征的优势,使构建的模型能充分提取水文过程的隐含统计特征.选择其他5种预测模型,利用流域内水文测量站点的数据记录完成模型训练和对比试验.实验结果表明:相较于其他模型,C N N-S eq2 seq具有更好的泛化能力,在洪水过程的水位预测上具有更高的精度.
数据驱动水位预测、一维卷积网络、长短期记忆网络、CNN-Seq2seq
50
TP183;P333.9;P334.9(自动化基础理论)
国家自然科学基金;浙江省自然科学基金资助项目
2022-07-20(万方平台首次上网日期,不代表论文的发表时间)
共13页
381-392,405