基于LSTM神经网络与蒙特卡罗模型的辽河源头区径流预测

作者：任成清; 马建国; 张冲; 郭娜; 聂思雨^*

来源：水电能源科学, 2021, 39(11): 40-43.

• 神经网络模型(LSTM)
• 蒙特卡罗模拟
• 径流预测
• 辽河源头

准确的中长期径流预测是水资源规划与管理的重要依据。与传统水文模型相比,LSTM神经网络与蒙特卡罗模型具有简单、精度高的优点。以吉林省辽河源头为例,以月为时间步长,收集降雨、温度、蒸发、径流等影响因子数据,并分析影响因子之间的相关性,以关键因子(降雨、蒸发、实测径流)作为输入项,以辽河源头模拟径流为输出项,分别建立径流的LSTM神经网络和蒙特卡罗模型,采用相关系数R2、纳什系数、均方根误差和百分比偏差指标对两个模型的预测效果进行比较。结果表明,LSTM神经网络与蒙特卡罗模型相比,LSTM神经网络预测值与真实值的相关系数及纳什系数均高于0.87,百分比偏差在±5%之内,模型具有较高的模拟精度,性能表现非常好。LSTM径流预测为中长期洪水预报提供了依据。

• 单位
  长春工程学院