基于长短期神经网络(Long-Short Term Memory,LSTM)搭建了浙江奉化横山水库的日来水量预测模型,该模型以水库前期日来水量序列、流域面雨量以及水库蒸发下渗水量作为输入变量,水库下一日的日来水量作为预测结果,比较并分析了不同输入变...
详细信息
基于长短期神经网络(Long-Short Term Memory,LSTM)搭建了浙江奉化横山水库的日来水量预测模型,该模型以水库前期日来水量序列、流域面雨量以及水库蒸发下渗水量作为输入变量,水库下一日的日来水量作为预测结果,比较并分析了不同输入变量组合下预测结果的精度。结果表明,模型能够较好地模拟出横山水库日来水量在长期序列中的关联性,LSTM对于输入变量的关键性在预测精度上有着明显的体现。当用于预测的时间序列长度增加时,预测精度有一定程度的降低,但模型的泛化能力明显提升,说明LSTM可以有效避免过拟合等问题,具有较好的泛化性能。
暂无评论