改进的多层LSTM深圳道路积水大数据预测模型

摘要

针对近年来极端强降雨天气对深圳市带来的经济社会损失，提出一种改进的多层长短期记忆神经网络（long short-term memory, LSTM）道路积水大数据预测模型。以深圳市河湾流域58个内涝点的降雨积水数据为模型输入，并选取利用粒子群优化算法进行超参数寻优的回声状态网络（particle swarm optimization-echo state network, PSO-ESN）和传统LSTM为对比模型，比较三者在测试集上的纳什效率系数(Nash-Sutcliffe efficiency coefficient,E_NS)。结果表明：改进的多层LSTM在26个有效点位中的21个点位上的测试集E_NS>0.8,达标率高达80.8%,远高于PSO-ESN和传统LSTM,证明该模型在研究区域进行道路积水预测工作的可行性。

关键词

道路积水 / 深度学习 / 大数据 / LSTM / 河湾流域