基于深度學(xué)習(xí)的小流域山洪水位預(yù)測模型研究

打開文本圖片集

摘要：由于小流域山洪致災(zāi)因素多、時(shí)空因素變化快、成災(zāi)速度快，導(dǎo)致傳統(tǒng)水文水動(dòng)力模型在山地丘陵小流域地區(qū)的預(yù)測及時(shí)度不高、準(zhǔn)確度低，預(yù)測效果不明顯，而基于數(shù)據(jù)驅(qū)動(dòng)的人工智能模型成為逐步成為一種及時(shí)準(zhǔn)確的方案。為此，通過構(gòu)建基于深度學(xué)習(xí)的循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN） 與長短期記憶神經(jīng)網(wǎng)絡(luò)（LSTM） 山洪災(zāi)害水位預(yù)測模型，通過對(duì)學(xué)習(xí)速率與步長進(jìn)行調(diào)整，逐步降低模型誤差，并通過實(shí)時(shí)數(shù)據(jù)與氣象預(yù)測數(shù)據(jù)實(shí)現(xiàn)浙江小流域水山洪監(jiān)測點(diǎn)的水位的預(yù)測。（剩余6934字）