文献类型：期刊文章

作　　者：熊一橙[1] 徐炜[1] 张―锐[2] 侯家其[1] 杨雨霞[1] 许莎莎[3]

XIONG Yi-cheng;XU Wei;ZHANG Rui;HOU Jia-qi;YANG Yu-xia;XU Sha-sha(College of River and Ocean Engineering,Chongqing Jiaotong University,Chongqing 400074,China;Institute of Mountain Hazards and Environment,Chinese Academy of Sciences,Chengdu 610041,China;Anhui Provincial Communications Survey and Design Institute,Hefei 230011,China)

机构地区：[1]重庆交通大学河海学院水利水运工程教育部重点实验室,重庆400074 [2]中国科学院水利部成都灾害与环境研究所,四川成都610041 [3]安徽省交通勘察设计院有限公司,安徽合肥230011

出　　处：《水电能源科学》

基　　金：国家自然科学基金青年基金项目(51609025);重庆交通大学科研启动项目(15JDKJC-B019);重庆交通大学国家内河航道整治工程技术研究中心暨水利水运工程教育部重点实验室开放基金项目(SLK2015B08);中国科学院“西部之光”青年计划项目(Y8R2230230)。

年　　份：2021

卷　　号：39

期　　号：9

起止页码：22-24

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、RCCSE、ZGKJHX、核心刊

摘　　要：鉴于长短期记忆神经网络(LSTM)非常强大的时间序列学习能力,采用K-最近邻(K-NN)模拟生成长江上游流域内54个气象站点130年的气象数据,并采用SWAT模型对4个水文站点的径流进行模拟;然后构建了基于LSTM的多输入—多输出的智能网络,研究了其对流域径流过程的学习和模拟性能。结果表明,所建立的LSTM网络对流域径流具有很强的学习能力,且随着训练数据量增加,其模拟性能明显增加。

关 键 词：LSTM网络  径流模拟 多输入—多输出  时间序列 深度学习  

分 类 号：TV121]