基于1D CNN-LSTM模型的红旗水库水位序列模拟

Jianghuai Water Resources Science and Technology（2022）

引用 0|浏览5

暂无评分

摘要

为了提升水库水位模拟的精度,通过1D CNN-LSTM模型与五种常用的机器学习模型对安徽省红旗水库历史水位数据和降雨量数据实现未来7天的水位模拟并进行对比验证.CNN和LSTM能够表现出比较好的模拟性能,结合两种模型的优势能够更加显著的提升模型的模拟效果;1D CNN-LSTM具有较高鲁棒性,对于未来3天以内水位模拟都有较好的预测效果和精度,虽然3天以后的模拟效果有明显下降,但对未来第7天的模拟NSE和KGE依然能够达到0.8以上,在不发生极端天气的情况下,模型对于水位趋势的模拟依然具有相当的参考价值.1D CNN-LSTM模型对于红旗水库的水位模拟优于其他五种传统的机器学习模型,并具有相当高的精度.

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要