基于迁移学习的长短时记忆神经网络水文模型OA北大核心CSTPCD
Hydrological model based on long short-term memory neural network and transfer learning
针对无/缺水文资料地区水文建模的难题,提出了基于迁移学习的长短时记忆神经网络(LSTM)水文模型.以嘉陵江、乌江和岷江流域为例,基于实测水文气象数据,采用K-最近邻算法与土壤和水评价模型(SWAT)模拟生成气象和径流数据,并构建实测和模拟样本集;然后构建不同的网络迁移微调策略和网络学习情景,分析迁移网络的可能性和性能.结果表明,固定网络的细胞层并微调网络其他层时,迁移学习的效果较好;同流域和跨流域进行网络迁移时,迁移后的网络更稳定且精度更高;跨流…查看全部>>
殷仕明;徐炜;熊一橙;田远洋;赵思琪;陈思
重庆交通大学 水利水运工程教育部重点实验室,重庆 400074重庆交通大学 水利水运工程教育部重点实验室,重庆 400074重庆交通大学 水利水运工程教育部重点实验室,重庆 400074重庆交通大学 水利水运工程教育部重点实验室,重庆 400074重庆交通大学 水利水运工程教育部重点实验室,重庆 400074重庆交通大学 水利水运工程教育部重点实验室,重庆 400074
建筑与水利
迁移学习长短时记忆神经网络水文模型径流模拟微调策略
《水力发电学报》 2022 (6)
考虑径流预报信息不确定性变化的水电站优化调度研究
53-64,12
国家自然科学基金(51609025)三峡后续工作科研项目(SXHXGZ-2021-1)
评论