科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明属于数据处理技术领域,公开了一种基于互信息的LSTM神经网络循环水文预报方法,通过互信息分析对原始数据进行筛选和分类,将降雨、水库水位、流量水文特征作为长短期记忆循环预测模型的输入特征；通过模拟降雨过程训练和确定LSTMC模型的结构,反映洪水的长期变化；利用实际洪水资料对模型的输出进行验证。本发明采用基于互信息的方法分析数据集,充分的捕获当前时刻流量与之前较长时间段的各个水文特征,动态的选取模型的输入特征。本发明利用深度学习算法,采用基于LSTM神经网络的循环预测模型,在用于洪水流量时间序列预测时,克服了水文变化过程受前期各方面因素影响较大的问题,能够较好的自动捕获有效特征。
- 单位
