典型文献
基于权重修正和DRSN-LSTM模型的向家坝下游水位多时间尺度预测
文献摘要：
为从大量水位影响因子中提取重要特征实现水位的高效、精准预测,提出改进的深度残差收缩网络与长短时记忆网络的混合模型用于多时间尺度水位预测.选取水位、流量、电站出力等数据拟合为高维特征输入的形式便于网络提取水位变化的动态特征.利用新的半软阈值函数消除深度残差收缩网络的恒定偏差并降低水文数据中的噪声干扰.根据预测误差,采用新构建的误差权重修正函数配合交叉熵函数对水位影响因子进行权重修正.阿基米德优化算法被用于调整长短时记忆网络的参数.将新模型应用于向家坝水电站下游水位的多时间尺度预测,结果表明,该方法的预测精度比现有CNN-LSTM、SVR等模型分别提高47％、61％,预测效率分别提高57％、20％,其短期、中期和长期的最大预测误差为0.09 m、0.14 m、0.31 m,证明模型在多时间尺度的水位预测中取得良好的精度和效率.此外,考虑支流流量后的预测误差最高可降低0.03m,证明模型对回水顶托等复杂水文的适应性.研究成果为洪水预测和城市雨洪预警提供新思路.
文献关键词：
水位预测;深度残差收缩网络;长短时记忆网络;特征提取;梯级水电站
中图分类号：
作者姓名：
胡昊;马鑫;徐杨;任玉峰
作者机构：
黄河水利职业技术学院,河南开封 475004;华北水利水电大学电力学院,河南郑州 450045;河南省跨流域区域引调水运行与生态安全工程研究中心,河南开封 475004;中国水利水电科学研究院,北京 100038;中国长江电力股份有限公司,湖北宜昌 443000
文献出处：
引用格式：
[1]胡昊;马鑫;徐杨;任玉峰-.基于权重修正和DRSN-LSTM模型的向家坝下游水位多时间尺度预测)[J].水利水电技术（中英文）,2022(07):46-57
A类：
B类：
重修,DRSN,游水,多时间尺度,水位影响,征实,精准预测,深度残差收缩网络,长短时记忆网络,混合模型,水位预测,取水,电站出力,数据拟合,高维特征,水位变化,动态特征,半软阈值,软阈值函数,水文数据,噪声干扰,据预测,预测误差,误差权重,修正函数,交叉熵函数,行权,阿基米德优化算法,模型应用,向家坝水电站,站下,SVR,支流,流流,03m,回水顶托,洪水预测,城市雨洪,梯级水电站
AB值：
0.323137
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
