基于CNN-LSTM组合模型在地下水位预测中的应用  

Application of CNN-LSTM combined model in groundwater level prediction

作　　者：童光泽 李计生 牛最荣 王鲁军 TONG Guangze;LI Jisheng

机构地区：[1]甘肃农业大学水利水电工程学院,甘肃兰州730070 [2]甘肃省武威水文站,甘肃武威733000

出　　处：《水利规划与设计》2024年第9期58-62,76,共6页Water Resources Planning and Design

基　　金：甘肃省水利科学试验研究及技术推广计划项目(22GSLK069);甘肃省重点研发计划项目(21YF5FA094);甘肃省省政府采购项目(2022zfcg0044)。

摘　　要：地下水的水位变化研究不仅对地下水资源管理具有重要意义,也对水资源利用和环境保护具有重要指导作用。文章以石羊河流域民勤盆地地下水位为研究对象,分别利用卷积神经网络(CNN)、长短时记忆网络(LSTM)及CNN-LSTM组合模型进行预测研究。结果显示,CNN-LSTM组合模型在地下水位预测中表现出较高的准确性和可靠性;据预测,若按照现在的发展趋势,民勤盆地未来5年(2024—2028年)地下水位将以每年0.08m的速度缓慢下降。

关 键 词：卷积神经网络 长短时记忆网络 地下水位 民勤盆地 

分 类 号：X523[环境科学与工程—环境工程]