基于LSTM神经网络的地下水位时空模拟

基于LSTM神经网络的地下水位时空模拟.pdf
本研究旨在通过长短期记忆神经网络(LSTM)对地下水位进行模拟和预测.使用了气温、降水量、蒸发量作为变量,采用了保定市境内21个测站逐月的地下水位数据进行建模.此外,对于每一个测站,把邻近测站的地下水位也作为变量输入,以体现空间上的相互影响.结果表明,一半以上测站的R2都达到了0.8以上,并且R2值的大小与测站的分布相关.并且所有数据的R2值达到了0.988.这表明LSTM网络可以准确地模拟出地下水位的时间分布,并且可以表达出其在空间上的相互影响.
作者：梁泽华 刘亚平 胡宏昌
作者单位：首都师范大学资源环境与旅游学院北京市100048首都师范大学资源环境与旅游学院北京市100048;首都师范大学水资源安全北京实验室北京市100048首都师范大学水资源安全北京实验室北京市100048
母体文献：
会议名称：中国环境科学学会2020科学技术年会  
会议时间：2020年9月21日
会议地点：南京
主办单位：中国环境科学学会
语种：chi
分类号：V23R78
关键词：地下水位  时空变化  机器学习  长短期记忆神经网络
在线出版日期：2021年3月31日
基金项目：
相似文献
相关博文

2024-12-1 05:55 上传 基于LSTM神经网络的地下水位时空模拟.pdf

文件大小:

1.44 MB

下载次数:

60

高速下载