融合相空間重構(gòu)和深度學(xué)習(xí)的徑流模擬預(yù)測(cè)

打開(kāi)文本圖片集

摘要：發(fā)展對(duì)數(shù)據(jù)依賴程度低、快捷實(shí)用和精準(zhǔn)的模擬預(yù)報(bào)技術(shù)，可為資料缺乏地區(qū)徑流模擬預(yù)測(cè)提供有效的解決辦法。從數(shù)據(jù)驅(qū)動(dòng)的角度，提出一種融合相空間重構(gòu)（PSR）和長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)（LSTM）的徑流預(yù)測(cè)復(fù)合模型PSR-LSTM，在國(guó)內(nèi)外不同氣候分區(qū)的10個(gè)流域（站點(diǎn)）進(jìn)行驗(yàn)證。結(jié)果表明：PSR-LSTM能夠提取水文變量的多維子空間特征，并較好預(yù)測(cè)不同時(shí)間尺度的徑流變化過(guò)程;相較于LSTM，PSR-LSTM預(yù)測(cè)未來(lái)1、3、5、7、9時(shí)間步長(zhǎng)的納什效率系數(shù)在10個(gè)流域平均提高1.49%～9.77%，均方根誤差平均降低17.01%～19.72%，對(duì)訓(xùn)練數(shù)據(jù)量的依賴程度相比LSTM降低25%～33%。（剩余10810字）