期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于PSO-LSTM模型的平原河网汛期水位预测
1
作者 郭明辰 张润润 闻余华 《水利水电科技进展》 CSCD 北大核心 2024年第6期64-70,共7页
基于水位、流量、降水量长序列数据资料,构建了采用粒子群优化(PSO)算法进行超参数寻优的长短期记忆(LSTM)神经网络模型(PSO-LSTM模型),对位于江南运河苏州吴江段平原河网中心的平望站的汛期水位进行了预见期为1~3 d的短期预报,并与基于... 基于水位、流量、降水量长序列数据资料,构建了采用粒子群优化(PSO)算法进行超参数寻优的长短期记忆(LSTM)神经网络模型(PSO-LSTM模型),对位于江南运河苏州吴江段平原河网中心的平望站的汛期水位进行了预见期为1~3 d的短期预报,并与基于PSO算法的支持向量机(SVM)、随机森林(RF)、卷积神经网络(CNN)以及门控循环单元(GRU)模型的水位预测结果进行了对比,同时探究了水利工程对水位预报精度的影响。结果表明:对于预见期为1~3 d的短期预报,PSO-LSTM模型具有较高的预测精度,但随着预见期的增长,预测精度逐渐降低;相较于PSO-SVM、PSO-RF、PSO-CNN和PSO-GRU模型,PSO-LSTM模型的平均绝对百分比误差更低,预测效果更好;PSO-LSTM模型能够较有效地进行汛期平原河网的水位预测,且加入水利工程等人工调控影响因素能够提升水位预测效果。 展开更多
关键词 汛期水位预测 粒子群算法 长短期记忆 机器学习 平原河网
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部