汉江流域安康站日径流预测的LSTM模型初步研究

作者：胡庆芳,曹士圯,杨辉斌,王银堂,李伶杰,王立辉

摘要：论文基于2003-2014年水文资料,采用长短期记忆神经网络(Long-Short Term Memory,LSTM),构建了汉江上游安康站日径流预测模型,评价了不同输入条件下日径流预测的精度。结果表明:当预见期为1 d时,在仅以安康站前期日径流量作为输入的条件下,LSTM模型在训练期和检验期的效率系数分别达到0.68和0.74;如再将流域前期面雨量和上游石泉站前期日径流量加入LSTM网络作为输入变量,安康站日径流量预测效果将更好,训练期和检验期的效率系数最高可达到0.83和0.84,均方根误差也有显著削减,且对主要洪峰流量的预测能力也有一定提高。此外,LSTM可以有效避免过拟合等问题,具有较好的泛化性能。但当预见期从1 d延长至2、3 d时,LSTM的预测精度显著降低。

发文机构：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 福州大学水利水电与港口工程系

关键词：长短期记忆神经网络日径流预测汉江流域安康站long-short term memorydaily runoff forecastHanjiang River BasinAnkang Station

分类号： P33[天文地球—水文科学][水利工程—水文学及水资源][天文地球—地球物理学]