湖泊水位是維持其生態(tài)系統(tǒng)結構、功能和完整性的基礎.鄱陽湖受流域"五河"和長江來水雙重影響,水位變化復雜.為了準確預測鄱陽湖水位變化,采用長短時記憶神經(jīng)網(wǎng)絡方法（LSTM）構建了鄱陽湖水位預測模型.該模型以贛江、撫河、信江、饒河和修水"五河"入湖流量和長江干流流量作為輸入條件,預測鄱陽湖湖區(qū)不同代表站（湖口、星子、都昌、吳城和康山）的水位過程.研究以1956—1980年的水文時間序列數(shù)據(jù)作為訓練集,1981—2000年作為驗證集,探討了LSTM模型輸入時間窗、隱藏神經(jīng)元數(shù)目、初始學習率等模型參數(shù)對預測精度的影響,并確定了鄱陽湖水位預測模型的最優(yōu)參數(shù).結果表明,采用LSTM神經(jīng)網(wǎng)絡方法可基于流域"五河"和長江來水量歷時數(shù)據(jù)合理預測鄱陽湖不同湖區(qū)的水位過程,五站水位預測的均方根誤差為0.41～0.50 m,納什效率系數(shù)和決定系數(shù)達0.96～0.98.為考察模型訓練數(shù)據(jù)集對鄱陽湖水位預測結果的影響,進一步選取了隨機5年（1956—1960年）的資料和5個典型水文年（1954年、1973年、1974年、1977年和1978年）的日均流量資料來訓練模型.結果顯示隨機5年資料作為訓練數(shù)據(jù)的預測精度要... 

【文章來源】：湖泊科學. 2020,32(03)北大核心EICSCD

【文章頁數(shù)】：12 頁


本文編號：3489165