长江流域资源与环境 >> 2024, Vol. 33 >> Issue (6): 1262-1272.doi: 10.11870/cjlyzyyhj202406011
隆院男1,2,潘鹤鸣1,盛东3*,黄春福1,宋昕熠1,2,刘易庄1,2
LONG Yuan-nan1,2, PAN He-ming1, SHENG Dong3, HUANG Chun-fu1, SONG Xin-yi1,2, LIU Yi-zhuang1,2
摘要: 准确的水位预测能够为湖区防洪减灾及水资源管理提供科学依据。通过引入IPSO改进粒子群算法及EGA精英遗传算法,优化LSTM长短期记忆神经网络结构,应用改进的IPSO-EGA-LSTM模型开展洞庭湖区各水位站1d预见期下的水位预测,与LSTM、GRU和BP神经网络模型进行精度对比,并评估该模型在更长预见期下(3d、5d、7d)的预测精度;进一步设置3种模型输入条件,提出相应水位预测方案(直接预测、同步预测、滚动预测),探究各预报方案在不同预见期下的水位预测精度。结果表明,IPSO-EGA-LSTM模型对洞庭湖水位的预测效果优于传统神经网络模型,能够有效捕捉到不同预见期下洞庭湖水位变化趋势,1d预见期纳什效率系数(NSE)大于0.998,长预见期下NSE大于0.9;不同输入条件下的3种预报方案对洞庭湖水位均有较好预测效果,其中,同步预测方案在长预见期条件下比直接预测和滚动预测表现出更好的性能。
No related articles found! |
|