典型文献
基于门控循环单元-支持向量回归组合模型的湖泊水位预测方法探索
文献摘要：
为改善传统循环神经网络预测梯度消失的问题,准确预测水位变化,采用门控循环单元(gated recurrent unit,GRU)和支持向量回归(support vector regression,SVR)构建组合预测模型,对广州市猎德涌的源头西湖水位进行预测.选择了3种不同核函数下的GRU-SVR(多项式核、RBF核、Sigmoid核)模型,并确定了最佳核函数组合,探索了GRU组合模型在水文时序预测中的有效性.该组合模型通过GRU提取雨量与水位间时空特征,SVR增强整体的非线性预测能力.结果表明,GRU-SVR(多项式核)适用于湖泊降雨时期预测,与CNN-GRU及GRU、SVR相比,该模型整体预测精度分别提升了3.2％、10.3％和59.3％.
文献关键词：
集成学习;水位预测;GRU-SVR;组合模型
中图分类号：
作者姓名：
刘惟飞;陈兵;余周
作者机构：
华南理工大学环境与能源学院,广州510006;广东省环境风险防控与应急处置工程技术研究中心,广州510006
文献出处：
引用格式：
[1]刘惟飞;陈兵;余周-.基于门控循环单元-支持向量回归组合模型的湖泊水位预测方法探索)[J].科学技术与工程,2022(33):14870-14880
A类：
B类：
门控循环单元,支持向量回归,组合模型,湖泊水位,水位预测,方法探索,循环神经网络,神经网络预测,梯度消失,准确预测,水位变化,gated,recurrent,unit,GRU,support,vector,regression,SVR,组合预测模型,西湖,湖水,核函数,多项式,RBF,Sigmoid,数组,时序预测,该组,雨量,时空特征,非线性预测,预测能力,集成学习
AB值：
0.430908
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。
