深度学习在闸坝站流量预测中的研究及应用  

作　　者：陈鹤婷 孟昭瑞 

机构地区：[1]安徽省宿州水文水资源局,安徽宿州234000 [2]沂沭泗水利管理局水利工程建设管理中心(防汛机动抢险队),江苏徐州221018

出　　处：《治淮》2024年第12期32-34,52,共4页

基　　金：安徽省高校优秀青年科研项目(2024AH030053)。

摘　　要：为提高闸坝站流量预测精度,提出了全连接神经网络(MLP)的深度学习回归模型。使用自适应矩估计优化算法(Adam)、5折交叉验证,以萧濉新河符离集闸水文站2014—2023年的流量预测为例,将决策树(DT)和MLP的预测结果进行对比分析。结果表明:MLP的学习能力、稳定性及泛化能力优于DT;MLP在测试集上最优纳什效率系数(ENSE)为0.985,平均相对误差(MMRE)为0.146,相关系数(R)为0.993。与DT相比,MLP显著提升了流量预测精度,解放了基层测站的生产力,可为水文巡测改革提供技术支撑。

关 键 词：流量预测 全连接神经网络 深度学习 自适应矩估计优化算法 决策树 

分 类 号：P333.9[天文地球—水文科学]