期刊专题

10.3969/j.issn.1006-2475.2019.11.005

基于CNN和MC的水文时间序列预测组合模型

引用
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.

水文时间序列、空间相关性、预测、卷积神经网络、马尔科夫链

TP391(计算技术、计算机技术)

国家重点研发计划资助项目2018YFC0407106;江苏省水利科技项目2017065

2019-11-29(万方平台首次上网日期,不代表论文的发表时间)

共7页

23-28,33

暂无封面信息
查看本期封面目录

计算机与现代化

1006-2475

36-1137/TP

2019,(11)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn