-
题名基于LSTM模型的南果河流域日径流预测
- 1
-
-
作者
和艳
陆颖
邓丽仙
余炳金
罗向阳
-
机构
云南省水文水资源局昆明分局
云南大学国际河流与生态安全研究院
云南省国际河流与跨境生态安全重点实验室
云南省水文水资源局西双版纳分局
-
出处
《水文》
北大核心
2025年第3期78-85,共8页
-
基金
国家自然科学基金项目(32060831)
云南省万人计划项目(QNBJ2018166)
云南大学研究生人才培养模式改革计划项目(CZ22622203)。
-
文摘
准确可靠的径流预测是水资源科学调度、高效利用的有力保障。数据驱动水文模型弱化水文循环物理过程,通过训练建立输入和输出之间的数学关系,为无下垫面资料流域径流预测提供解决方案。以澜沧江一级支流南果河为例,利用主成分分析(PCA)对样本数据进行降维处理,并基于长短期记忆神经网络(LSTM)模型,将前15 d的日径流量、日降水量作为模型的输入,对那勾坝水文站日径流进行1~5 d不同预见期的预测。结果表明:随预见期延长,模型预测精度不断下降。当预见期为1 d时,验证期和训练期纳什效率系数(NSE)均大于0.80,预测性能优于反向传播神经网络(BP)、支持向量机(SVM)与随机森林法(RF)三种数据驱动模型。结果可为无下垫面资料流域日径流预测提供参考。
-
关键词
日径流预测
主成分分析(PCA)
长短期记忆神经网络(LSTM)
南果河流域
-
Keywords
daily runoff prediction
Principal Component Analysis(PCA)
Long Short-Term Memory(LSTM)
the Nanguo River Basin
-
分类号
P33
[天文地球—水文科学]
TV11
[水利工程—水文学及水资源]
-
