典型文献
基于深度学习的小流域山洪水位预测模型研究
文献摘要：
由于小流域山洪致灾因素多、时空因素变化快、成灾速度快,导致传统水文水动力模型在山地丘陵小流域地区的预测及时度不高、准确度低,预测效果不明显,而基于数据驱动的人工智能模型成为逐步成为一种及时准确的方案.为此,通过构建基于深度学习的循环神经网络(RNN)与长短期记忆神经网络(LSTM)山洪灾害水位预测模型,通过对学习速率与步长进行调整,逐步降低模型误差,并通过实时数据与气象预测数据实现浙江小流域水山洪监测点的水位的预测.试验表明,基于深度学习的小流域山洪水位预测模型的实时性与准确性效果好,LSTM拟合效果优于RNN,对小流域山洪灾害的预测预警具有一定的参考意义.
文献关键词：
人工智能;山洪水位预测;深度学习;RNN;LSTM
中图分类号：
作者姓名：
汪松松;徐蓬博;胡书源;王凯
作者机构：
浙江水利水电学院信息工程学院,浙江杭州310018
文献出处：
引用格式：
[1]汪松松;徐蓬博;胡书源;王凯-.基于深度学习的小流域山洪水位预测模型研究)[J].电脑知识与技术,2022(20):89-91
A类：
山洪水位预测
B类：
致灾因素,时空因素,成灾,水文水动力模型,山地丘陵,流域地区,人工智能模型,循环神经网络,RNN,长短期记忆神经网络,学习速率,步长,长进,模型误差,实时数据,气象预测,预测数据,流域水,监测点,拟合效果,小流域山洪灾害,预测预警,警具
AB值：
0.255786
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。
