基于CNN深度学习的径流预判方法及应用

为快速预判流量等级,将复杂洪水预报过程简化为径流预判任务,借鉴卷积神经网络(CNN)在图像识别领域的应用思路,研究CNN径流预判模型搭建过程,深入分析样本处理、网络搭建、参数率定、性能测试、精度检验、知识训练等关键环节,提出基于CNN深度学习的径流预判方法。根据某水库2008-2017年的历史运行资料,构建其入库径流等级预测CNN模型实例,采用61 362个样本进行参数训练,17 532个样本进行模型测试,8 766个样本进行成果检验,预测准确率为92.94%。研究结果表明,CNN径流预判方法可作为防汛形势分析及会商决策的重要依据。