科研之友
微信
新浪微博
Facebook
分享链接
摘要
受气候变化和人类活动的双重影响，黄河流域水文情势发生剧烈演变，水文序列颠覆传统的“一致性”假设。为使深度学习模型更好适应于变异水文序列预测，采用Mann-Kendall检验方法确定径流时间序列变异点，对基于LSTM模型的k-fold交叉验证方法进行改进，提出考虑变异点的k-fold交叉验证方法，分析水文变异对深度学习模型训练的影响。选取黄河支流渭河华县站和黑河祁连山站为研究对象，对比分析不同变异程度的中长期水文序列预测结果。结果表明：渭河华县站的径流时间序列变异发生在1986年和2008年，黑河祁连山站径流时间序列变异发生在1988年；LSTM模型在中长期径流预测中，模型性能主要受时间序列长度的影响，其次受水文变化趋势及变异的影响。
- 单位
