洪水預報是防洪減災的重要非工程措施,黃河中游地區(qū)水文情勢近50 a發(fā)生顯著變化,為提高變化環(huán)境下黃河中游半干旱半濕潤地區(qū)洪水預報精度,本文以對時間序列數(shù)據(jù)具有良好模擬效果的深度學習神經(jīng)網(wǎng)絡（長短時記憶神經(jīng)網(wǎng)絡）為基礎,建立不同預見期下的流域暴雨洪水模型,以探討長短時記憶神經(jīng)網(wǎng)絡在黃河中游水文預報中的應用.模型建立采用汾河上游靜樂控制站1 956—2014年98場暴雨洪水數(shù)據(jù),其中以14個站點降雨及靜樂站水文數(shù)據(jù)作為輸入,不同預見期下的洪水過程作為輸出,率定期為78場次,驗證期為20場次.結(jié)果顯示:在預見期為0～6 h時預報精度較高,預見期為6 h以上時預報效果相對較差;預報精度隨神經(jīng)元數(shù)量和訓練次數(shù)的增加而呈上升趨勢,預見期為0～6h時預報精度上升較為明顯,而預見期6 h以上時預報精度上升較為均勻. 

【文章來源】：北京師范大學學報(自然科學版). 2020,56(03)北大核心CSCD

【文章頁數(shù)】：7 頁

【參考文獻】：
期刊論文
[1]土地資源領域遙感技術的應用研究[J]. 王洪梅.  科學技術創(chuàng)新. 2019(27)
[2]基于LSTMP語音識別方法的研究與改進[J]. 孫由玉,孫寶山,盧陽.  現(xiàn)代信息科技. 2019(11)
[3]一種LSTM-BP多模型組合水文預報方法[J]. 馮鈞,潘飛.  計算機與現(xiàn)代化. 2018(07)
[4]“3S”技術在植被調(diào)查中的應用分析[J]. 王雪芹.  環(huán)境與發(fā)展. 2018(04)
[5]變化環(huán)境下氣象水文預報研究進展[J]. 雷曉輝,王浩,廖衛(wèi)紅,楊明祥,桂梓玲.  水利學報. 2018(01)
[6]基于深度學習的圖像識別處理[J]. 林杰,李如意.  網(wǎng)絡安全技術與應用. 2017(11)
[7]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學報. 2017(06)
[8]中長期水文預報方法研究綜述[J]. 王富強,霍風霖.  人民黃河. 2010(03)

碩士論文
[1]基于LSTM的英文文本蘊含識別方法研究[D]. 劉陽.哈爾濱工業(yè)大學 2016



本文編號：3222572