典型文献
基于DM-LSTM的城市降雨径流预测研究
文献摘要：
智慧水务背景下,如何基于人工智能理论与技术深化城市降雨径流模型研究,是一项值得探索的课题.由于城市降雨径流时间分辨率高且样本特征分布不具有规律性,直接采用长短期记忆(LSTM)模型进行预测面临着挑战.基于此,提出用数据挖掘(DM)算法及规则对城市降雨径流时序数据集进行聚类和重构,并基于深度学习算法对LSTM模型的结构和参数进行优化,构建了 DM-LSTM耦合模型,并用于研究区域的降雨径流模拟.结果表明,对于各类降雨事件,与LSTM模型相比,DM-LSTM耦合模型的均方根误差(RMSE)降低了 2.1％～41.9％,纳什效率系数(NSE)提高了 0.4％～56.4％,决定系数(R2)提高了 0.3％～65.6％.DM-LSTM耦合模型不仅对各类降雨事件均表现出更好的预测性,而且模型运行时间仅为2.044 s,能够很好地满足城市降雨径流预测对实时性、准确性和稳定性的需求.
文献关键词：
城市降雨径流预测;数据驱动模型;长短期记忆(LSTM)模型;数据挖掘;深度学习;智慧水务
中图分类号：
作者姓名：
崔忠捷;卿晓霞;杨森雄
作者机构：
重庆大学环境与生态学院,重庆400045;重庆大学土木工程学院,重庆400045;中国电建贵阳勘测设计研究院有限公司,贵州贵阳550000
文献出处：
引用格式：
[1]崔忠捷;卿晓霞;杨森雄-.基于DM-LSTM的城市降雨径流预测研究)[J].中国给水排水,2022(19):132-138
A类：
城市降雨径流预测
B类：
DM,预测研究,智慧水务,理论与技术,降雨径流模型,流时,时间分辨率,分辨率高,样本特征,特征分布,长短期记忆,时序数据,深度学习算法,耦合模型,径流模拟,降雨事件,RMSE,纳什,NSE,决定系数,运行时间,数据驱动模型
AB值：
0.222703
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。
