典型文献
基于神经网络模型的寸滩站含沙量预测
文献摘要：
采用GRU、LSTM、BPNN、CNN四种神经网络预测模型,以长江上游寸滩站、北碚站、朱沱站、高场站水文序列作为输入,对寸滩站2014年至2018年未来1天的含沙量进行了预测,并结合不同验证指标对预测结果性能进行了对比探讨和误差分析.结果发现:1)GRU和LSTM模型在含沙量预测性能表现优于BPNN和CNN模型;2)预测相对误差分布呈现底部集中头部分散,并随着枯水期和丰水期的表现出波动变化趋势;3)丰水期预测相对误差呈正偏态分布,枯水期呈指数分布,且枯水期含沙量预测相对误差大于丰水期;4)通过引入上游干支流来水改进模型输入能够改善模型预测性能.
文献关键词：
GUR网络;LSTM网络;含沙量预测
中图分类号：
作者姓名：
何博
作者机构：
重庆交通大学河海学院
文献出处：
引用格式：
[1]何博-.基于神经网络模型的寸滩站含沙量预测)[J].珠江水运,2022(07):9-13
A类：
B类：
寸滩站,含沙量预测,GRU,BPNN,神经网络预测模型,长江上游,北碚,朱沱,场站,水文序列,列作,果性,对比探讨,误差分析,预测性能,误差分布,中头,枯水期,丰水期,波动变化,正偏态分布,指数分布,干支流,流来,改进模型,模型输入,GUR
AB值：
0.305426
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。
