本文主要研究内容
作者周研来,郭生练,张斐章,陈华,钟逸轩,巴欢欢（2019）在《人工智能在水文预报中的应用研究》一文中研究指出：全面论述了数据驱动水文模型中人工智能的关键技术及其适应范围,分析了机器学习在水文预报中遇到的技术瓶颈。采用GammaTest对数据驱动模型进行输入优选,降低了模型的白噪声误差影响;提出了长短期记忆神经网络与批量学习、正则化、筛选神经元技术相结合的深度学习网络,以解决变化环境下降雨–洪水过程统计特征的非线性、随机性和时变性问题。长江上游向家坝～三峡水库区间流域的应用结果表明:在不考虑未来降雨预报的前提下,仅以前期和现时已知的降雨–洪水资料为模型输入,长短期记忆动态神经网络结合三种深度学习辅助算法,防止模型的过参数化和过拟合,有效提高了三峡水库入库洪水的预报精度,1～3d预报精度均达到了甲等水平。
Abstract
quan mian lun shu le shu ju qu dong shui wen mo xing zhong ren gong zhi neng de guan jian ji shu ji ji kuo ying fan wei ,fen xi le ji qi xue xi zai shui wen yu bao zhong yu dao de ji shu ping geng 。cai yong GammaTestdui shu ju qu dong mo xing jin hang shu ru you shua ,jiang di le mo xing de bai zao sheng wu cha ying xiang ;di chu le chang duan ji ji yi shen jing wang lao yu pi liang xue xi 、zheng ze hua 、shai shua shen jing yuan ji shu xiang jie ge de shen du xue xi wang lao ,yi jie jue bian hua huan jing xia jiang yu –hong shui guo cheng tong ji te zheng de fei xian xing 、sui ji xing he shi bian xing wen ti 。chang jiang shang you xiang jia ba ～san xia shui ku ou jian liu yu de ying yong jie guo biao ming :zai bu kao lv wei lai jiang yu yu bao de qian di xia ,jin yi qian ji he xian shi yi zhi de jiang yu –hong shui zi liao wei mo xing shu ru ,chang duan ji ji yi dong tai shen jing wang lao jie ge san chong shen du xue xi fu zhu suan fa ,fang zhi mo xing de guo can shu hua he guo ni ge ,you xiao di gao le san xia shui ku ru ku hong shui de yu bao jing du ,1～3dyu bao jing du jun da dao le jia deng shui ping 。
论文参考文献
论文详细介绍
论文作者分别是来自水资源研究的周研来,郭生练,张斐章,陈华,钟逸轩,巴欢欢，发表于刊物水资源研究2019年01期论文，是一篇关于水文预报论文,人工智能论文,机器学习论文,深度学习论文,数据挖掘论文,水资源研究2019年01期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自水资源研究2019年01期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。