基于LSTM模型的九龙江流域径流序列预测研究

发布时间：2021-01-23 13:53

　　水资源是人类不可或缺的元素,精确的径流预测对水资源调度和环境质量检测管理具有决定性的作用。径流元素作为时间序列,在形成过程中受到自然因素、人为因素的限制和影响,呈现出强非线性关系和混沌特征。因此,如何有效的对径流序列进行预测,是水文领域的研究重点与难点。九龙江流域站点径流相关资料缺失较多,导致数据缺乏了连续性,无法满足径流时间序列研究的需要,对后续水质环境的研究产生了巨大的影响。因而,通过模型对径流序列预测研究也是不可缺少的。为了有效的预测流域内站点的径流量,提高径流预测的精度,本文围绕中国科学院城市环境研究所课题《九龙江流域水环境模拟研究》,以九龙江流域浦南站点监测的2008年到2018年共10年间径流量为研究对象,运用LSTM,GAN等深度学习相关技术建立径流序列预测模型和数据模拟模型。本文的主要内容分为以下几个:（1）本文分析了流域内径流特性,气象特征,以及气象与径流间的模型表达,为后续特征选取和建模做了基础研究;（2）在分析LSTM模型和BP模型的基础上,针对径流序列和部分气象数据的自相关性,充分利用BP网络的泛化能力和LSTM网络的时间序列处理能力,改进了径流预测模型,提出了... 

【文章来源】：长安大学陕西省 211工程院校 教育部直属院校

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

九龙江多年径流年际变化

径流自相关分析图

batch_size选择效果图

【参考文献】：
期刊论文
[1]人工神经网络在水文数据模拟方向上的应用分析[J]. 戚高晟,朱星宇,郭振天,严寒笑,吴宸晖,陈蕾.  亚热带水土保持. 2018(01)
[2]融合大气环流异常因子的径流预报研究[J]. 孟二浩,黄生志,黄强,刘登峰,白涛.  水力发电学报. 2017(08)
[3]BP人工神经网络在小流域径流模拟中的应用[J]. 何昳颖,陈晓宏,张云,丁华龙.  水文. 2015(05)
[4]河流年径流量的R/S灰色预测[J]. 李宝玲,李建林,昝明军,李志强.  水文. 2015(02)
[5]基于EMD分解的AR模型在年径流预测中的应用[J]. 陈旭,赵雪花.  水电能源科学. 2014(07)
[6]基于BP神经网络的概率径流预测模型[J]. 周娅,郭萍,古今今.  水力发电学报. 2014(02)
[7]大伙房水库汛期分期研究[J]. 周如瑞,梁国华,周惠成,李林,李敏,王本德.  水资源与水工程学报. 2013(06)
[8]变化环境下塔里木河流域径流序列变化特征及成因分析[J]. 张修宇,左其亭.  水利水电技术. 2013(10)
[9]引入灰色弱化缓冲算子的人工神经网络组合预测方法在年径流预测中的应用[J]. 晏欣,邹进.  水电能源科学. 2013(07)
[10]吉林省径流量时空变化特征及成因分析[J]. 张茜,肖长来,朱雅萍,翟天放,梁秀娟.  节水灌溉. 2013(07)

硕士论文
[1]面向物联网时间序列数据深度学习的LSTM方法研究[D]. 谢小峰.湖南大学 2018
[2]基于生成式对抗网络的文本生成问题的研究[D]. 代威.吉林大学 2018
[3]基于LSTM深度神经网络的股市时间序列预测精度的影响因素研究[D]. 毛景慧.暨南大学 2017
[4]基于主成分分析-BP神经网络法的松花江哈尔滨段水质评价研究[D]. 张莹.哈尔滨师范大学 2015
[5]诺敏河流域径流变化规律分析及预报方法研究[D]. 王鑫.东北农业大学 2014



本文编号：2995335