期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于冠豪猪优化CNN-BiLSTM和核密度估计的月径流区间预测
1
作者 吴小涛 郭欣 +3 位作者 袁晓辉 晏莉娟 曾志强 陆涛 《长江科学院院报》 北大核心 2025年第9期51-57,66,共8页
径流预测对水资源合理配置、制定水力发电计划等非常重要,针对月径流点预测精度不高以及点预测结果难以描述月径流不确定性等问题,提出基于冠豪猪优化算法、卷积神经网络、双向长短时记忆网络和非参数核密度估计的月径流点预测模型和区... 径流预测对水资源合理配置、制定水力发电计划等非常重要,针对月径流点预测精度不高以及点预测结果难以描述月径流不确定性等问题,提出基于冠豪猪优化算法、卷积神经网络、双向长短时记忆网络和非参数核密度估计的月径流点预测模型和区间预测模型。首先,构建组合卷积神经网络和双向长短时记忆网络的月径流点预测模型,并采用冠豪猪优化算法优化模型的隐藏层单元数等参数,将月径流及影响因素数据输入模型得到月径流的点预测结果。然后采用极差分割法将点预测结果排序后划分为低流量段、中流量段和高流量段,再利用冠豪猪优化算法优化窗宽的非参数核密度估计方法估计3个流量段预测值误差的概率分布,并采用三次样条插值法进行曲线拟合,得到3个流量段的分位点。最后叠加点预测结果和点预测结果所属流量段的分位点得到月径流区间预测结果。通过实例分析,与其他模型相比,提出的CPO-CNN-BiLSTM点预测模型预测精度更高,能较好地追踪月径流的变化趋势,提出的CPO-CNN-BiLSTM-NKDE区间预测模型可有效减少月径流预测的不确定性,能够为决策者提供更多信息。 展开更多
关键词 月径流预测 冠豪猪优化算法 卷积神经网络 双向长短时记忆网络 非参数核密度估计
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部