论文摘要
对于水位精准的预测是预防洪涝灾害的有效措施。在深度学习不断发展的背景下,提出基于卷积神经网络和马尔科夫链的水文时间序列预测组合模型,该模型解决了现有算法未考虑站点之间空间的相关性、多维输入的时候会提高特征提取中数据重建的复杂度,以及单一模型只考虑水位时间序列线性部分而未考虑非线性部分所导致的预测精度低的问题。该组合模型首先运用卷积神经网络训练水位时间序列和降雨量时间序列对未来水位进行预测,并结合原始时间序列计算得到残差序列,再将使用马尔科夫链训练残差序列得到的残差预测结果和卷积神经网络预测的值相加得到最终的结果。实验表明,该方法与现有算法相比,在预报准确率上能够取得更好的效果。
论文目录
文章来源
类型: 期刊论文
作者: 许国艳,朱进,司存友,胡文斌,刘凡
关键词: 水文时间序列,空间相关性,预测,卷积神经网络,马尔科夫链
来源: 计算机与现代化 2019年11期
年度: 2019
分类: 信息科技,基础科学
专业: 数学,地球物理学,自动化技术
单位: 河海大学计算机与信息学院,江苏省水文水资源勘测局
基金: 国家重点研发计划资助项目(2018YFC0407106),江苏省水利科技项目(2017065)
分类号: P333;TP183;O211.61
页码: 23-28+33
总页数: 7
文件大小: 473K
下载量: 348