基于混合深度學(xué)習(xí)模型的洪水過程概率預(yù)報研究

摘要： 傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)模型無法量化洪水預(yù)報的不確定性，而且在多時段連續(xù)預(yù)報中未考慮輸出的時間相關(guān)性。本文通過融合新安江(XAJ)模型、基于外源輸入編碼-解碼(EDE)結(jié)構(gòu)的長短期記憶(LSTM)神經(jīng)網(wǎng)絡(luò)和混合密度網(wǎng)絡(luò)(MDN),構(gòu)建了XAJ-LSTM-EDE-MDN混合深度學(xué)習(xí)模型，以實現(xiàn)洪水過程概率預(yù)報。該模型在考慮預(yù)報洪水時間相關(guān)性的前提下，將解碼過程產(chǎn)生的點估計轉(zhuǎn)化為條件概率...