期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习的改进ERRIS径流预报实时校正模型
1
作者
刘莉
梁霄
+1 位作者
WANG Quanjun
许月萍
《水资源保护》
EI
CAS
CSCD
北大核心
2024年第6期155-164,共10页
为提高径流预报精度,基于长短期记忆网络(LSTM)改进ERRIS模型,构建了径流预报实时校正的ERRIS-LSTM模型,以雅鲁藏布江流域和椒江流域为例进行对比分析。结果表明:与ERRIS模型相比,ERRIS-LSTM模型使雅鲁藏布江流域和椒江流域径流预报的...
为提高径流预报精度,基于长短期记忆网络(LSTM)改进ERRIS模型,构建了径流预报实时校正的ERRIS-LSTM模型,以雅鲁藏布江流域和椒江流域为例进行对比分析。结果表明:与ERRIS模型相比,ERRIS-LSTM模型使雅鲁藏布江流域和椒江流域径流预报的纳什效率系数分别提升了4.1%和1.1%,均方根误差分别减小了67.7%和5.7%,使雅鲁藏布江流域中、低水流量的百分比偏差分别降低了75.5%和79.1%,椒江流域低水流量统计指标均改善超过20%;ERRIS-LSTM模型能够充分获取误差序列的序贯相关性,生成的集合预报比ERRIS模型预报的整体精度更高,连续排序概率评分降低了75%以上,不确定性更小,可靠性更强;相比于LSTM模型的校正结果,ERRIS-LSTM模型可以额外提供校正结果的不确定性信息,在业务预报和防洪决策中具有重要的应用前景。
展开更多
关键词
径流预报
实时校正
深度学习
ERRIS模型
LSTM模型
雅鲁藏布江流域
椒江流域
下载PDF
职称材料
基于分布式产流要素和时空深度学习算法的径流后处理研究
2
作者
吴垚
许月萍
+1 位作者
刘莉
何柯琪
《水利学报》
EI
CSCD
北大核心
2024年第9期1123-1134,共12页
准确的径流模拟是流域水资源管理和区域综合政策制定的重要前提。为提高径流模拟的精度,本文以浙江省台州市永安溪流域为研究区域,基于2010—2019年柏枝岙站出口断面的实测日径流数据和网格化HBV模型(Grid-HBV)的模拟结果,提出了一种耦...
准确的径流模拟是流域水资源管理和区域综合政策制定的重要前提。为提高径流模拟的精度,本文以浙江省台州市永安溪流域为研究区域,基于2010—2019年柏枝岙站出口断面的实测日径流数据和网格化HBV模型(Grid-HBV)的模拟结果,提出了一种耦合卷积神经网络CNN和长短期记忆网络LSTM的CNN-LSTM时空后处理模型;构建了基于单一产流要素的s-CNN-LSTM模型和基于两种产流要素的bi-CNN-LSTM模型,并与基准模型s-LSTM开展径流后处理和比较分析。研究结果表明:Grid-HBV模型率定期和验证期的纳什效率系数(NSE)分别为0.78和0.81,整体径流模拟效果较好,但存在中、高水低估和低水高估的不足。经s-LSTM模型后处理后,率定期和验证期NSE提升至0.87和0.85,提升幅度为11.2%和5.8%;s-CNN-LSTM模型后处理后NSE分别为0.90和0.89,提升幅度为14.6%和10.9%。bi-CNN-LSTM模型后处理后率定期和验证期NSE皆达到0.92,提升幅度为17.2%和14.2%,比s-LSTM模型的提升幅度分别大6.0%和8.4%,且该模型对原模拟径流高、中、低各流量等级中的局部缺陷有针对性改善。在4个典型洪水事件的分析中,bi-CNN-LSTM模型总体后处理效果最好,与Crid-HBV模型模拟结果相比,各洪峰误差平均减小36.6%,s-LSTM模型和s-CNN-LSTM模型则平均额外减小了19.3%和30.3%。基于分布式产流要素的CNN-LSTM模型具有较好的径流后处理能力,能够显著提高水文模型径流模拟效果,有助于流域水文水资源的科学管理。
展开更多
关键词
径流后处理
CNN-LSTM
深度学习
网格化HBV水文模型
椒江流域
下载PDF
职称材料
椒(灵)江流域洪潮遭遇规律分析
被引量:
4
3
作者
吕小帅
沈小勤
《水力发电》
CAS
2022年第7期13-15,21,共4页
椒(灵)江感潮河段的水情受上游洪水和河口潮水共同影响,水情情况复杂。为较合理提出感潮河段设计高水位,保障临海、台州的防洪安全,利用椒(灵)江洪水及潮位资料,采用水文分析法从洪潮频率遭遇、洪潮错峰时间遭遇两方面,分析椒江洪潮遭...
椒(灵)江感潮河段的水情受上游洪水和河口潮水共同影响,水情情况复杂。为较合理提出感潮河段设计高水位,保障临海、台州的防洪安全,利用椒(灵)江洪水及潮位资料,采用水文分析法从洪潮频率遭遇、洪潮错峰时间遭遇两方面,分析椒江洪潮遭遇规律。考虑设计高水位时,分析结果推荐,当椒(灵)江干流发生20年、50年一遇洪水时,遭遇海门站5年一遇高潮位;当发生20年、50年一遇潮位时,遭遇5年一遇洪水;发生10年一遇以下洪水时,遭遇同频率高潮位;且洪、潮遭遇时间推荐为海门站潮峰早于三江村洪峰至少15.4 h以上。分析成果可为流域防洪排涝、河道整治规划等提供决策参考。
展开更多
关键词
洪潮遭遇
规律分析
频率
错峰
椒(灵)江流域
下载PDF
职称材料
题名
基于深度学习的改进ERRIS径流预报实时校正模型
1
作者
刘莉
梁霄
WANG Quanjun
许月萍
机构
浙江大学建筑工程学院
墨尔本大学工程与信息技术学院
出处
《水资源保护》
EI
CAS
CSCD
北大核心
2024年第6期155-164,共10页
基金
浙江省重点研发计划项目(2021C03017)
浙江省自然科学基金项目(LQ22E090004)
+2 种基金
国家自然科学基金项目(52309038)
浙江省自然科学基金重点基金项目(LZ20E090001)
中国博士后科学基金项目(2023M733117)。
文摘
为提高径流预报精度,基于长短期记忆网络(LSTM)改进ERRIS模型,构建了径流预报实时校正的ERRIS-LSTM模型,以雅鲁藏布江流域和椒江流域为例进行对比分析。结果表明:与ERRIS模型相比,ERRIS-LSTM模型使雅鲁藏布江流域和椒江流域径流预报的纳什效率系数分别提升了4.1%和1.1%,均方根误差分别减小了67.7%和5.7%,使雅鲁藏布江流域中、低水流量的百分比偏差分别降低了75.5%和79.1%,椒江流域低水流量统计指标均改善超过20%;ERRIS-LSTM模型能够充分获取误差序列的序贯相关性,生成的集合预报比ERRIS模型预报的整体精度更高,连续排序概率评分降低了75%以上,不确定性更小,可靠性更强;相比于LSTM模型的校正结果,ERRIS-LSTM模型可以额外提供校正结果的不确定性信息,在业务预报和防洪决策中具有重要的应用前景。
关键词
径流预报
实时校正
深度学习
ERRIS模型
LSTM模型
雅鲁藏布江流域
椒江流域
Keywords
streamflow forecast
real-time correction
deep learning
ERRIS model
LSTM model
Yarlung Zangbo
river
basin
jiao river basin
分类号
P338 [天文地球—水文科学]
下载PDF
职称材料
题名
基于分布式产流要素和时空深度学习算法的径流后处理研究
2
作者
吴垚
许月萍
刘莉
何柯琪
机构
浙江大学建筑工程学院水科学与工程研究所
杜克大学尼古拉斯环境学院地球与气候科学研究所
出处
《水利学报》
EI
CSCD
北大核心
2024年第9期1123-1134,共12页
基金
浙江省重点研发项目(2021C03017)
浙江省自然基金重点项目(Z20E090005)
+1 种基金
国家重点研发计划项目(2021YFD1700802)
国家自然科学基金项目(52309038)。
文摘
准确的径流模拟是流域水资源管理和区域综合政策制定的重要前提。为提高径流模拟的精度,本文以浙江省台州市永安溪流域为研究区域,基于2010—2019年柏枝岙站出口断面的实测日径流数据和网格化HBV模型(Grid-HBV)的模拟结果,提出了一种耦合卷积神经网络CNN和长短期记忆网络LSTM的CNN-LSTM时空后处理模型;构建了基于单一产流要素的s-CNN-LSTM模型和基于两种产流要素的bi-CNN-LSTM模型,并与基准模型s-LSTM开展径流后处理和比较分析。研究结果表明:Grid-HBV模型率定期和验证期的纳什效率系数(NSE)分别为0.78和0.81,整体径流模拟效果较好,但存在中、高水低估和低水高估的不足。经s-LSTM模型后处理后,率定期和验证期NSE提升至0.87和0.85,提升幅度为11.2%和5.8%;s-CNN-LSTM模型后处理后NSE分别为0.90和0.89,提升幅度为14.6%和10.9%。bi-CNN-LSTM模型后处理后率定期和验证期NSE皆达到0.92,提升幅度为17.2%和14.2%,比s-LSTM模型的提升幅度分别大6.0%和8.4%,且该模型对原模拟径流高、中、低各流量等级中的局部缺陷有针对性改善。在4个典型洪水事件的分析中,bi-CNN-LSTM模型总体后处理效果最好,与Crid-HBV模型模拟结果相比,各洪峰误差平均减小36.6%,s-LSTM模型和s-CNN-LSTM模型则平均额外减小了19.3%和30.3%。基于分布式产流要素的CNN-LSTM模型具有较好的径流后处理能力,能够显著提高水文模型径流模拟效果,有助于流域水文水资源的科学管理。
关键词
径流后处理
CNN-LSTM
深度学习
网格化HBV水文模型
椒江流域
Keywords
post-processing
CNN-LSTM
deep learning
grid HBV hydrological model
jiao river basin
分类号
TV121 [水利工程—水文学及水资源]
下载PDF
职称材料
题名
椒(灵)江流域洪潮遭遇规律分析
被引量:
4
3
作者
吕小帅
沈小勤
机构
中国电建集团华东勘测设计研究院有限公司
出处
《水力发电》
CAS
2022年第7期13-15,21,共4页
文摘
椒(灵)江感潮河段的水情受上游洪水和河口潮水共同影响,水情情况复杂。为较合理提出感潮河段设计高水位,保障临海、台州的防洪安全,利用椒(灵)江洪水及潮位资料,采用水文分析法从洪潮频率遭遇、洪潮错峰时间遭遇两方面,分析椒江洪潮遭遇规律。考虑设计高水位时,分析结果推荐,当椒(灵)江干流发生20年、50年一遇洪水时,遭遇海门站5年一遇高潮位;当发生20年、50年一遇潮位时,遭遇5年一遇洪水;发生10年一遇以下洪水时,遭遇同频率高潮位;且洪、潮遭遇时间推荐为海门站潮峰早于三江村洪峰至少15.4 h以上。分析成果可为流域防洪排涝、河道整治规划等提供决策参考。
关键词
洪潮遭遇
规律分析
频率
错峰
椒(灵)江流域
Keywords
flood-tide encounter
law analysis
frequency
staggered peak
jiao
(Ling)
river
basin
分类号
P333 [天文地球—水文科学]
P731.23 [天文地球—海洋科学]
P731.255 [天文地球—海洋科学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度学习的改进ERRIS径流预报实时校正模型
刘莉
梁霄
WANG Quanjun
许月萍
《水资源保护》
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于分布式产流要素和时空深度学习算法的径流后处理研究
吴垚
许月萍
刘莉
何柯琪
《水利学报》
EI
CSCD
北大核心
2024
0
下载PDF
职称材料
3
椒(灵)江流域洪潮遭遇规律分析
吕小帅
沈小勤
《水力发电》
CAS
2022
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部