基于长短时记忆(LSTM)神经网络的黄河中游洪水过程模拟及预报

摘要

洪水预报是防洪减灾的重要非工程措施,黄河中游地区水文情势近50 a发生显著变化,为提高变化环境下黄河中游半干旱半湿润地区洪水预报精度,本文以对时间序列数据具有良好模拟效果的深度学习神经网络(长短时记忆神经网络)为基础,建立不同预见期下的流域暴雨洪水模型,以探讨长短时记忆神经网络在黄河中游水文预报中的应用.模型建立采用汾河上游静乐控制站1 956—2014年98场暴雨洪水数据,其中以14个站点降雨及静乐站水文数据作为输入,不同预见期下的洪水过程作为输出,率定期为78场次,验证期为20场次.结果显示:在预见期为0～6 h时预报精度较高,预见期为6 h以上时预报效果相对较差;预报精度随神经元数量和训练次数的增加而呈上升趋势,预见期为0～6h时预报精度上升较为明显,而预见期6 h以上时预报精度上升较为均匀.

关键词

降雨径流模拟 / 水文预报 / 深度学习 / 黄河中游