漢江流域安康站日徑流預測的LSTM模型初步研究

作者：胡慶芳,曹士圯,楊輝斌,王銀堂,李伶杰,王立輝

摘要：論文基于2003-2014年水文資料,采用長短期記憶神經網絡(Long-Short Term Memory,LSTM),構建了漢江上游安康站日徑流預測模型,評價了不同輸入條件下日徑流預測的精度。結果表明:當預見期為1 d時,在僅以安康站前期日徑流量作為輸入的條件下,LSTM模型在訓練期和檢驗期的效率系數分別達到0.68和0.74;如再將流域前期面雨量和上游石泉站前期日徑流量加入LSTM網絡作為輸入變量,安康站日徑流量預測效果將更好,訓練期和檢驗期的效率系數最高可達到0.83和0.84,均方根誤差也有顯著削減,且對主要洪峰流量的預測能力也有一定提高。此外,LSTM可以有效避免過擬合等問題,具有較好的泛化性能。但當預見期從1 d延長至2、3 d時,LSTM的預測精度顯著降低。

發文機構：南京水利科學研究院水文水資源與水利工程科學國家重點實驗室 福州大學水利水電與港口工程系

關鍵詞：長短期記憶神經網絡日徑流預測漢江流域安康站long-short term memorydaily runoff forecastHanjiang River BasinAnkang Station

分類號： P33[天文地球—水文科學][水利工程—水文學及水資源][天文地球—地球物理學]