基于混合深度學習模型的洪水過程概率預報研究

摘要： 傳統(tǒng)的人工神經(jīng)網(wǎng)絡模型無法量化洪水預報的不確定性，而且在多時段連續(xù)預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)絡和混合密度網(wǎng)絡(MDN),構(gòu)建了XAJ-LSTM-EDE-MDN混合深度學習模型，以實現(xiàn)洪水過程概率預報。該模型在考慮預報洪水時間相關(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... （共10頁）

概率預報不確定性分析長短期記憶神經(jīng)網(wǎng)絡編碼-解碼結(jié)構(gòu)混合密度網(wǎng)絡