融合相空间重构和深度学习的径流模拟预测 |
| |
引用本文: | 师鹏飞,赵酉键,徐辉荣,李振亚,杨涛,冯仲恺.融合相空间重构和深度学习的径流模拟预测[J].水科学进展,2023(3):388-397. |
| |
作者姓名: | 师鹏飞 赵酉键 徐辉荣 李振亚 杨涛 冯仲恺 |
| |
作者单位: | 1. 河海大学水灾害防御全国重点实验室;2. 长江保护与绿色发展研究院;3. 广东省水利电力勘测设计研究院有限公司;4. 中国科学院南京地理与湖泊研究所中国科学院流域地理学重点实验室;5. 河海大学水文水资源学院 |
| |
基金项目: | 国家自然科学基金资助项目(52279009);;中央高校基本科研业务费专项经费资助项目(B220201010)~~; |
| |
摘 要: | 发展对数据依赖程度低、快捷实用和精准的模拟预报技术,可为资料缺乏地区径流模拟预测提供有效的解决办法。从数据驱动的角度,提出一种融合相空间重构(PSR)和长短期记忆神经网络(LSTM)的径流预测复合模型PSR-LSTM,在国内外不同气候分区的10个流域(站点)进行验证。结果表明:PSR-LSTM能够提取水文变量的多维子空间特征,并较好预测不同时间尺度的径流变化过程;相较于LSTM,PSR-LSTM预测未来1、3、5、7、9时间步长的纳什效率系数在10个流域平均提高1.49%~9.77%,均方根误差平均降低17.01%~19.72%,对训练数据量的依赖程度相比LSTM降低25%~33%。研究成果可为广大资料短缺流域水文过程模拟和预测提供参考。
|
关 键 词: | 径流预测 数据驱动 人工智能 相空间重构(PSR) 长短期记忆神经网络(LSTM) |
|
|