典型文献
基于分级优化与LSTM方法的中小流域洪水预报研究
文献摘要：
为提高洪水预报精度,以四川省寿溪流域和陕西省青阳岔流域为研究对象,利用径向基函数(RBF)神经网络和降雨方差(S2)对洪水进行分级,针对不同等级洪水建立多套流域参数进行洪水分级预报,减小由于全流域使用单一参数集而产生的预报误差,其次建立长短时记忆(LSTM)误差校正模型,对分级洪水预报结果进行校正.结果显示:利用洪水分级预报与LSTM集合校正的方法在寿溪流域应用,验证集场次洪水先后降低洪峰误差0.8％～7.8％和1.23％～4.30％,NSE分别提高0.014～0.053和0.06～0.09;在青阳岔流域应用,验证集场次洪水先后降低洪峰误差4.38％～16.8％和2.19％～8.14％,NSE分别提高0.011～0.053和0.06～0.12,且对峰现时差均有所改善.综合结果表明此误差集合校正方法对流域洪水预报减小预报误差,提高精度有一定的适用性.
文献关键词：
洪水分级;误差校正;LSTM;洪水预报
中图分类号：
作者姓名：
李志超;张怡雯;邬强;胡彩虹
作者机构：
郑州大学水利科学与工程学院,河南郑州 450001;水利部信息中心,北京 100053
文献出处：
引用格式：
[1]李志超;张怡雯;邬强;胡彩虹-.基于分级优化与LSTM方法的中小流域洪水预报研究)[J].水利水电技术（中英文）,2022(08):41-49
A类：
洪水分级
B类：
分级优化,中小流域,流域洪水,洪水预报,预报精度,溪流,青阳,岔流,径向基函数,RBF,S2,不同等级,多套,域参数,行洪,全流域,参数集,预报误差,长短时记忆,误差校正,校正模型,合校,验证集,场次洪水,洪峰,NSE,时差,有所改善,差集,校正方法,提高精度
AB值：
0.335658
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。
