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
1
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
基于机器学习模型的河道水位预测
被引量:
6
1
作者
陈珺
黄燕华
+2 位作者
洪朋
梁培德
祁李
《水利水电科技进展》
CSCD
北大核心
2023年第3期9-14,共6页
结合已有机器学习模型——卷积神经网络(CNN)和门控循环单元(GRU)的优点,构建了并联卷积循环神经网络(PCNN-GRU)模型,并将其用于赣江下游外洲站日尺度水位变化的预测。结果显示:相较于目前流行的长短时记忆(LSTM)模型、GRU模型以及卷积...
结合已有机器学习模型——卷积神经网络(CNN)和门控循环单元(GRU)的优点,构建了并联卷积循环神经网络(PCNN-GRU)模型,并将其用于赣江下游外洲站日尺度水位变化的预测。结果显示:相较于目前流行的长短时记忆(LSTM)模型、GRU模型以及卷积循环神经网络(CNN-GRU)模型,PCNN-GRU模型的均方根误差和平均绝对误差分别降低了18.39%、21.11%、15.48%和21.31%、18.64%、14.28%,纳什-萨特克里夫效率系数和准确率分别提高至0.9992和88.12%,表明所建模型具有良好的预测性能,可用于河道水位预测。
展开更多
关键词
河道水位
机器学习
卷积神经网络
循环神经网络
赣江
下载PDF
职称材料
题名
基于机器学习模型的河道水位预测
被引量:
6
1
作者
陈珺
黄燕华
洪朋
梁培德
祁李
机构
河海大学水文水资源与
水利
工程科学国家重点实验室
河海大学
水利
水电学院
新沂市水务局港头水利站
出处
《水利水电科技进展》
CSCD
北大核心
2023年第3期9-14,共6页
基金
国家重点研发计划(2021YFD1700802)
河海大学大学生创新训练项目(2022102941369)。
文摘
结合已有机器学习模型——卷积神经网络(CNN)和门控循环单元(GRU)的优点,构建了并联卷积循环神经网络(PCNN-GRU)模型,并将其用于赣江下游外洲站日尺度水位变化的预测。结果显示:相较于目前流行的长短时记忆(LSTM)模型、GRU模型以及卷积循环神经网络(CNN-GRU)模型,PCNN-GRU模型的均方根误差和平均绝对误差分别降低了18.39%、21.11%、15.48%和21.31%、18.64%、14.28%,纳什-萨特克里夫效率系数和准确率分别提高至0.9992和88.12%,表明所建模型具有良好的预测性能,可用于河道水位预测。
关键词
河道水位
机器学习
卷积神经网络
循环神经网络
赣江
Keywords
river water level
machine learning
convolutional neural network
recurrent neural network
Ganjiang River
分类号
TV124 [水利工程—水文学及水资源]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器学习模型的河道水位预测
陈珺
黄燕华
洪朋
梁培德
祁李
《水利水电科技进展》
CSCD
北大核心
2023
6
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