典型文献
基于深度学习的西南地区寿溪河山洪预报研究
文献摘要：
鉴于山洪突发性强、历时短、陡涨陡落等致使在模拟预报过程中具有较大难度和不确定性问题,构建了基于深度学习的LSTM网络模型进行山洪确定性预报和概率预报,从精度和可靠度两方面研究其在西南山区的适用性.并以西南山洪易发区寿溪河流域为例进行模拟,结果显示LSTM网络模型更易发现暴雨洪水之间的深层规律,验证期平均纳什效率系数达0.954,与BP模型相比,显著提升了洪水预报精度,尤其是大洪水;概率预报有效降低了山洪预报的不确定性,洪峰附近的流量数据基本落入预报区间内,有效提高了预报可靠度.
文献关键词：
山洪预报;寿溪河流域;深度学习;LSTM网络;区间预报
中图分类号：
作者姓名：
尹兆锐;李红霞;唐萱;龚志惠
作者机构：
四川大学水利水电学院,四川成都610065;四川大学水力学与山区河流开发保护国家重点实验室,四川成都610065
文献出处：
引用格式：
[1]尹兆锐;李红霞;唐萱;龚志惠-.基于深度学习的西南地区寿溪河山洪预报研究)[J].水电能源科学,2022(02):88-91
A类：
寿溪河流域
B类：
西南地区,河山,山洪预报,突发性,确定性预报,概率预报,可靠度,西南山区,洪易,易发区,暴雨洪水,纳什,洪水预报,预报精度,大洪水,洪峰,流量数据,落入,预报区间,区间预报
AB值：
0.305197
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。
