期刊导航
期刊开放获取
cqvip
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
3
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
长短期记忆网络在中长期径流预报中的应用
被引量：
23
1
作者
陶思铭
梁忠民
+2 位作者
陈在妮
曲田
胡义明
《武汉大学学报（工学版）》
CAS
CSCD
北大核心
2021年第1期21-27,共7页
长短期记忆神经网络(long-short term memory neural network,LSTM)是一种适合模拟与预测时间序列长程变化的神经网络,可用于研究中长期水文预报问题。以黄河源区唐乃亥流域为研究区域,根据2000-2009年的日降雨量、蒸发量和流量资料,构...
长短期记忆神经网络(long-short term memory neural network,LSTM)是一种适合模拟与预测时间序列长程变化的神经网络,可用于研究中长期水文预报问题。以黄河源区唐乃亥流域为研究区域,根据2000-2009年的日降雨量、蒸发量和流量资料,构建了未来30 d的逐日流量LSTM预报模型,并以2010-2012年的资料进行验证。采用相对误差绝对值平均、确定性系数为评价指标,将LSTM与传统的误差反向传播(back propagation,BP)算法模型进行对比。结果表明,LSTM模型具有精度高、预报效果稳定等特点,特别是随着预见期的增长其精度衰减较BP模型明显变缓。研究成果可供研究区径流中长期预测提供参考。
展开更多
关键词
长短期记忆神经网络
BP神经网络
中长期径流预报
唐乃亥流域
原文传递
基于信息熵误差异分布模型的洪水概率预报方法
被引量：
1
2
作者
毕铭佐
梁忠民
+2 位作者
陈在妮
李佳
胡义明
《武汉大学学报（工学版）》
CAS
CSCD
北大核心
2021年第1期58-64,共7页
以大渡河流域大金站为对象,开展了基于信息熵误差异分布模型的洪水概率预报方法研究。挖掘了确定性水文模型预报的相对误差的统计规律,发现不同量级流量下洪水预报的相对误差存在异分布特征,服从不同的概率分布函数。基于极大熵和极小...
以大渡河流域大金站为对象,开展了基于信息熵误差异分布模型的洪水概率预报方法研究。挖掘了确定性水文模型预报的相对误差的统计规律,发现不同量级流量下洪水预报的相对误差存在异分布特征,服从不同的概率分布函数。基于极大熵和极小熵原则确定不同流量量级下预报相对误差的最优概率分布函数,进而采用不同的误差分布函数描述不同流量量级下的预报误差规律,并推导了以确定性模型预报值为条件的"真实"流量的分量级条件概率分布函数。根据不同量级对应的条件概率分布函数,可获得概率预报倾向值(如中位数预报)及任意置信度下的概率预报区间(如90%预报区间)。大金站的应用结果表明,概率预报模型提供的预报倾向值(中位数预报值)整体要优于原始的确定性模型预报值,同时概率预报模型提供的90%置信度下的预报区间可以涵盖绝大部分实测值,具有较高的可靠性。
展开更多
关键词
洪水概率预报
信息熵
误差异分布
预报倾向值
预报区间
原文传递
Vine Copula在GCMs多模式降雨集成中的应用
被引量：
1
3
作者
刘杨
梁忠民
+2 位作者
罗序义
朱艳军
胡义明
《武汉大学学报（工学版）》
CAS
CSCD
北大核心
2021年第1期82-88,共7页
全球气候模式(global climate models,GCMs)数量众多,各有优劣,对降水量而言往往难以确定出一个最优模式,所以当将其输出用于水文长期预估时,通常需对各模式数据进行集成,以发挥不同模式的优势,提升水文预估的整体精度。采用Vine Copul...
全球气候模式(global climate models,GCMs)数量众多,各有优劣,对降水量而言往往难以确定出一个最优模式,所以当将其输出用于水文长期预估时,通常需对各模式数据进行集成,以发挥不同模式的优势,提升水文预估的整体精度。采用Vine Copula构建GCMs与实测降雨的多维联合分布函数,并推求给定GCMs数据条件下实测降雨量的条件分布,再由该条件分布实现多维数据的综合。以淮河王家坝以上流域6个GCMs降雨数据的综合为例进行应用研究,并与贝叶斯模型平均和多元分位数回归2种多变量集成方法进行比较。结果表明,基于Vine Copula的多模式集成结果优于任意原始单模式,且具有整体最优的集成效果,为GCMs在水文中的应用提供了一种途径。
展开更多
关键词
Vine
Copula
全球气候模式
多变量
分位数回归
贝叶斯模型平均
原文传递
题名
长短期记忆网络在中长期径流预报中的应用
被引量：
23
1
作者
陶思铭
梁忠民
陈在妮
曲田
胡义明
机构
河海
大
学水文水资源学院
国家
能源
集团
大渡河
流域
梯级
电站
集控
中心
出处
《武汉大学学报（工学版）》
CAS
CSCD
北大核心
2021年第1期21-27,共7页
基金
国家重点研发计划项目(编号:2016YFC0402709,2018YFC0407206)
国电大渡河流域水电开发有限公司科技项目(编号:PDP-KY-2019-001)。
文摘
长短期记忆神经网络(long-short term memory neural network,LSTM)是一种适合模拟与预测时间序列长程变化的神经网络,可用于研究中长期水文预报问题。以黄河源区唐乃亥流域为研究区域,根据2000-2009年的日降雨量、蒸发量和流量资料,构建了未来30 d的逐日流量LSTM预报模型,并以2010-2012年的资料进行验证。采用相对误差绝对值平均、确定性系数为评价指标,将LSTM与传统的误差反向传播(back propagation,BP)算法模型进行对比。结果表明,LSTM模型具有精度高、预报效果稳定等特点,特别是随着预见期的增长其精度衰减较BP模型明显变缓。研究成果可供研究区径流中长期预测提供参考。
关键词
长短期记忆神经网络
BP神经网络
中长期径流预报
唐乃亥流域
Keywords
long-short term memory neural network(LSTM)
back propagation(BP)neural network
medium-long term runoff forecast
Tangnaihai basin
分类号
TV124 [水利工程—水文学及水资源]
原文传递
题名
基于信息熵误差异分布模型的洪水概率预报方法
被引量：
1
2
作者
毕铭佐
梁忠民
陈在妮
李佳
胡义明
机构
河海
大
学水文水资源学院
国家
能源
集团
大渡河
流域
梯级
电站
集控
中心
出处
《武汉大学学报（工学版）》
CAS
CSCD
北大核心
2021年第1期58-64,共7页
基金
国家重点研发计划项目(编号:2016YFC0402709、2018YFC0407206)
国电大渡河流域水电开发有限公司科技项目(编号:PDP-KY-2019-001)。
文摘
以大渡河流域大金站为对象,开展了基于信息熵误差异分布模型的洪水概率预报方法研究。挖掘了确定性水文模型预报的相对误差的统计规律,发现不同量级流量下洪水预报的相对误差存在异分布特征,服从不同的概率分布函数。基于极大熵和极小熵原则确定不同流量量级下预报相对误差的最优概率分布函数,进而采用不同的误差分布函数描述不同流量量级下的预报误差规律,并推导了以确定性模型预报值为条件的"真实"流量的分量级条件概率分布函数。根据不同量级对应的条件概率分布函数,可获得概率预报倾向值(如中位数预报)及任意置信度下的概率预报区间(如90%预报区间)。大金站的应用结果表明,概率预报模型提供的预报倾向值(中位数预报值)整体要优于原始的确定性模型预报值,同时概率预报模型提供的90%置信度下的预报区间可以涵盖绝大部分实测值,具有较高的可靠性。
关键词
洪水概率预报
信息熵
误差异分布
预报倾向值
预报区间
Keywords
flood probabilistic forecasting
information entropy
error hetero-distribution
prediction preferred value
prediction interval
分类号
TV124 [水利工程—水文学及水资源]
原文传递
题名
Vine Copula在GCMs多模式降雨集成中的应用
被引量：
1
3
作者
刘杨
梁忠民
罗序义
朱艳军
胡义明
机构
河海
大
学水文水资源学院
国家
能源
集团
大渡河
流域
梯级
电站
集控
中心
出处
《武汉大学学报（工学版）》
CAS
CSCD
北大核心
2021年第1期82-88,共7页
基金
国家重点研发计划项目(编号:2016YFC0402709、2018YFC0407206)
国电大渡河流域水电开发有限公司科技项目(编号:PDP-KY-2019-001)。
文摘
全球气候模式(global climate models,GCMs)数量众多,各有优劣,对降水量而言往往难以确定出一个最优模式,所以当将其输出用于水文长期预估时,通常需对各模式数据进行集成,以发挥不同模式的优势,提升水文预估的整体精度。采用Vine Copula构建GCMs与实测降雨的多维联合分布函数,并推求给定GCMs数据条件下实测降雨量的条件分布,再由该条件分布实现多维数据的综合。以淮河王家坝以上流域6个GCMs降雨数据的综合为例进行应用研究,并与贝叶斯模型平均和多元分位数回归2种多变量集成方法进行比较。结果表明,基于Vine Copula的多模式集成结果优于任意原始单模式,且具有整体最优的集成效果,为GCMs在水文中的应用提供了一种途径。
关键词
Vine
Copula
全球气候模式
多变量
分位数回归
贝叶斯模型平均
Keywords
Vine Copula
global climate models
multivariable
quantile regression
Bayesian model averaging
分类号
P467 [天文地球—大气科学及气象学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
长短期记忆网络在中长期径流预报中的应用
陶思铭
梁忠民
陈在妮
曲田
胡义明
《武汉大学学报（工学版）》
CAS
CSCD
北大核心
2021
23
原文传递
2
基于信息熵误差异分布模型的洪水概率预报方法
毕铭佐
梁忠民
陈在妮
李佳
胡义明
《武汉大学学报（工学版）》
CAS
CSCD
北大核心
2021
1
原文传递
3
Vine Copula在GCMs多模式降雨集成中的应用
刘杨
梁忠民
罗序义
朱艳军
胡义明
《武汉大学学报（工学版）》
CAS
CSCD
北大核心
2021
1
原文传递
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
