科研之友
微信
新浪微博
Facebook
分享链接
摘要
为改进秦淮河流域水位预报模型，研究数据驱动模型在水位预报中的适用性，采用BP、LSTM、GRU三种神经网络构建了秦淮河东山站1～6 d预见期的日平均水位预报模型，针对常见的过拟合现象及人工试错效率低的问题，采用贝叶斯优化算法在单独划分的验证集上优选超参数，并与常用的粒子群算法进行性能对比。结果表明，三种模型预报精度在预见期1 d时达到甲级标准，2～3 d时达到乙级标准，4～5 d时达到丙级标准；随着预见期的延长，各模型泛化能力有减弱的趋势；相较粒子群算法，贝叶斯优化算法搜索神经网络超参数节省大量时间且效果接近。
- 单位
