科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提升水文模型预测精度和计算效率，解决传统方法难以浓缩多源水文特征，以及长时间跨度下数据量纲、值域不同造成的特征冗杂问题，提出基于改进时间卷积网络(TCN)和长短时记忆网络(LSTM)的月径流量预测模型。通过构造多卷积核并行网，以提取多源时序特征，并保持原因果卷积特性。引入扩张卷积抽取高阶水文特征，提升长时间跨度记忆单元处理效率。利用残差链接方式跨层传输底层完整特征，丰富特征结果，同时优化整体网络学习过程，并以泸水河流域为例进行验证。实验结果表明，该模型在计算效率、精度、网络结构上均优于其他对比模型，从而验证了其在该流域水文预测的有效性。
- 出版日期2022
- 单位浙江工业大学
