典型文献
基于迁移学习的长短时记忆神经网络水文模型
文献摘要：
针对无/缺水文资料地区水文建模的难题,提出了基于迁移学习的长短时记忆神经网络(LSTM)水文模型.以嘉陵江、乌江和岷江流域为例,基于实测水文气象数据,采用K-最近邻算法与土壤和水评价模型(SWAT)模拟生成气象和径流数据,并构建实测和模拟样本集;然后构建不同的网络迁移微调策略和网络学习情景,分析迁移网络的可能性和性能.结果表明,固定网络的细胞层并微调网络其他层时,迁移学习的效果较好;同流域和跨流域进行网络迁移时,迁移后的网络更稳定且精度更高;跨流域迁移时,源流域和目标流域的相似度越高,迁移网络的难度更小,精度更高.该模型为无/缺水文资料地区构建水文模型提供了新的思路.
文献关键词：
迁移学习;长短时记忆神经网络;水文模型;径流模拟;微调策略
中图分类号：
作者姓名：
殷仕明;徐炜;熊一橙;田远洋;赵思琪;陈思
作者机构：
重庆交通大学 水利水运工程教育部重点实验室,重庆 400074
文献出处：
引用格式：
[1]殷仕明;徐炜;熊一橙;田远洋;赵思琪;陈思-.基于迁移学习的长短时记忆神经网络水文模型)[J].水力发电学报,2022(06):53-64
A类：
B类：
迁移学习,长短时记忆神经网络,水文模型,缺水,水文资料,嘉陵江,乌江,岷江流域,水文气象数据,最近邻算法,SWAT,径流数,流数据,模拟样本,样本集,微调策略,网络学习,学习情景,细胞层,微调网络,更稳,目标流,建水,径流模拟
AB值：
0.34417
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。
