典型文献
基于贝叶斯优化与人工神经网络的秦淮河流域水位预报
文献摘要：
为改进秦淮河流域水位预报模型,研究数据驱动模型在水位预报中的适用性,采用BP、LSTM、GRU三种神经网络构建了秦淮河东山站1～6 d预见期的日平均水位预报模型,针对常见的过拟合现象及人工试错效率低的问题,采用贝叶斯优化算法在单独划分的验证集上优选超参数,并与常用的粒子群算法进行性能对比.结果表明,三种模型预报精度在预见期1 d时达到甲级标准,2～3 d时达到乙级标准,4～5 d时达到丙级标准;随着预见期的延长,各模型泛化能力有减弱的趋势;相较粒子群算法,贝叶斯优化算法搜索神经网络超参数节省大量时间且效果接近.
文献关键词：
水位预报;人工神经网络;贝叶斯优化;超参数优化;预见期
中图分类号：
作者姓名：
蒋晨凯;章四龙
作者机构：
北京师范大学水科学研究院,北京100875
文献出处：
引用格式：
[1]蒋晨凯;章四龙-.基于贝叶斯优化与人工神经网络的秦淮河流域水位预报)[J].水电能源科学,2022(09):48-51,60
A类：
B类：
人工神经网络,秦淮河流域,流域水,水位预报,预报模型,研究数据,数据驱动模型,GRU,网络构建,河东,东山,预见期,平均水位,过拟合,试错,贝叶斯优化算法,验证集,粒子群算法,性能对比,预报精度,甲级,乙级,丙级,模型泛化,泛化能力,数节,超参数优化
AB值：
0.292973
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。
