典型文献
训练数据量对LSTM网络学习性能影响分析
文献摘要：
以雅砻江、岷江和嘉陵江为研究流域,采用K-最近邻(KNN)算法模拟生成130年的气象数据,并采用SWAT模型计算各流域出口水文站的径流过程;然后分别以前5年、10年、20年、40年和80年的降雨和径流数据对网络进行训练,以最后50年数据作为验证.主要结果表明:LSTM网络的学习能力随着神经元数量增加不断提高,但对水文序列数据的学习则存在过拟合严重的问题;增加训练数据量,可以有效地降低LSTM网络过拟合现象.
文献关键词：
LSTM;降雨径流;数据量;过拟合
中图分类号：
作者姓名：
田远洋;徐显涛;彭安帮;徐炜;殷仕明
作者机构：
重庆交通大学,重庆 400074;重庆南江工程勘察设计集团有限公司,重庆 401147;南京水利科学研究院 水文水资源与水利工程科学国家重点实验室,江苏 南京 210029
文献出处：
引用格式：
[1]田远洋;徐显涛;彭安帮;徐炜;殷仕明-.训练数据量对LSTM网络学习性能影响分析)[J].水文,2022(01):29-34,22
A类：
B类：
训练数据,数据量,网络学习,学习性,雅砻江,岷江,嘉陵江,最近邻,KNN,算法模拟,气象数据,SWAT,口水,水文站,径流过程,径流数,流数据,年数,水文序列,序列数据,过拟合,加训,降雨径流
AB值：
0.495495
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。
