多变量LSTM神经网络模型在地下水位预测中的应用OA北大核心CSTPCD
Application of Multi-Variable LSTM Neural Network Model for Groundwater Levels Prediction
准确进行地下水位预测对地下水管理具有重要意义.通过将代表补给项的降水量和代表排泄项的气温、水汽压及开采量作为输入变量,构建了基于多变量长短时记忆(LSTM)神经网络的地下水位预测模型.利用济南市2010—2018年月降水量、气温、水汽压和开采量及第四系含水层和岩溶含水层地下水位数据进行模型训练,并利用2019年数据进行验证,结果表明:①利用正弦函数信号拟合气温数据可以消除气温测量误差的影响,提高模型预测精度;②LSTM神经网络模型当神经元失活比率…查看全部>>
孙虹洁;赵振华;黄林显;邢立亭;郝杰;罗振江
山东省地质矿产勘查开发局 八〇一水文地质工程地质大队,山东 济南250014山东省地质矿产勘查开发局 八〇一水文地质工程地质大队,山东 济南250014济南大学 水利与环境学院,山东 济南250022山东省地下水数值模拟与污染控制工程技术研究中心,山东 济南250022济南大学 水利与环境学院,山东 济南250022山东省地下水数值模拟与污染控制工程技术研究中心,山东 济南250022
天文与地球科学
机器学习地下水位预测多变量LSTM神经网络济南
《人民黄河》 2022 (8)
北方岩溶水系统优势径流通道特征研究
69-75,7
国家自然科学基金资助项目(41772257)山东省自然科学基金资助项目(ZR2019MD029)山东省高校院所创新团队项目(2021GXRC070)山东省地质矿产勘查开发局科研基金资助项目(801KY202004)
评论