期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于物理机制耦合深度学习的黄河干流流量演进模拟
1
作者 罗赟 张翔宇 +4 位作者 董增川 李强坤 左其亭 韩金旭 周康军 《水科学进展》 北大核心 2025年第2期217-229,共13页
河道流量演进模拟是黄河流域水量统一调度的关键环节,亟需提出一种高精度、低延时、考虑人工侧支取退水过程的黄河干流流量演进模拟模型,以满足从水源到用户的精准精细调度需求。在解析黄河不平衡水量空间分布规律的基础上,通过卷积神... 河道流量演进模拟是黄河流域水量统一调度的关键环节,亟需提出一种高精度、低延时、考虑人工侧支取退水过程的黄河干流流量演进模拟模型,以满足从水源到用户的精准精细调度需求。在解析黄河不平衡水量空间分布规律的基础上,通过卷积神经网络-长短期记忆网络(CNN-LSTM)深度学习算法构建黄河干流各河段流量演进模型,并采用重组复合形演化算法(SCE-UA)进行全局优化调参,同时将龙羊峡水库“蓄丰补枯”的物理机制嵌入至CNNLSTM模型中进行串联耦合模拟。研究结果表明:黄河干流不平衡水量在空间上表现为中游河段>下游河段>上游河段的整体趋势性规律,但相邻子区间的单位河段长度不平衡水量并不存在显著关联性;水文学方法、CNN-LSTM模型(分段率定)、 CNN-LSTM模型(全局率定)、串联耦合模拟的综合评价指标(ER-R-M)均值分别为0.627、 0.613、0.774、0.811,黄河上游和下游河段的模拟精度要优于中游河段;基于物理机制引导深度神经网络搭建的方式能够有效约束解集空间,CNN-LSTM模型(全局率定)相较于水文学方法精度提升29.3%。研究结果对黄河水量统一调度具有一定的实践应用价值。 展开更多
关键词 流量演进 不平衡水量 物理机制 深度学习 黄河干流
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部