期刊导航
期刊开放获取
vip
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
1
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
基于AE-RCNN的洪水分级智能预报方法研究
被引量：
7
1
作者
苑希民
李达
+3 位作者
田福昌
何立新
王秀杰
郭立兵
《水利学报》
EI
CSCD
北大核心
2023年第9期1070-1079,共10页
复杂产汇流特性地区使用洪水分级预报方法可提高预报精度,本文提出一种基于自编码器(Autoencoder,AE)和残差卷积神经网络(Residual Convolutional Neural Network,RCNN)的洪水分级智能预报方法,使用自编码器和K均值聚类算法实现对原始...
复杂产汇流特性地区使用洪水分级预报方法可提高预报精度,本文提出一种基于自编码器(Autoencoder,AE)和残差卷积神经网络(Residual Convolutional Neural Network,RCNN)的洪水分级智能预报方法,使用自编码器和K均值聚类算法实现对原始水文数据的特征提取和洪水分级,通过RCNN模型提升卷积神经网络的有效训练深度,以山东省小清河流域黄台桥水文站为例开展洪水分级智能预报研究。结果表明应用降维数据聚类的AE-RCNN模型MAE指标、RMSE指标、NSE指标分别为5.04、7.91、0.92,优于CNN模型、RCNN模型和降雨聚类RCNN模型。该方法能够有效提取水文数据特征、提高洪水预报精度。
展开更多
关键词
洪水分级智能预报
ae-rcnn
数据驱动模型
自编码器
残差卷积神经网络
在线阅读
下载PDF
职称材料
题名
基于AE-RCNN的洪水分级智能预报方法研究
被引量：
7
1
作者
苑希民
李达
田福昌
何立新
王秀杰
郭立兵
机构
天津大学水利工程仿真与安全国家重点实验室
天津大学建筑工程学院
河北工程大学水利水电学院
宁夏回族自治区水旱灾害防御中心
出处
《水利学报》
EI
CSCD
北大核心
2023年第9期1070-1079,共10页
基金
国家重点研发计划项目(2022YFC3202501)
水利部重大科技项目(SKS-2022002)
+1 种基金
科技部重点领域创新团队(2014RA4031)
国家自然基金委创新团队(51621092)。
文摘
复杂产汇流特性地区使用洪水分级预报方法可提高预报精度,本文提出一种基于自编码器(Autoencoder,AE)和残差卷积神经网络(Residual Convolutional Neural Network,RCNN)的洪水分级智能预报方法,使用自编码器和K均值聚类算法实现对原始水文数据的特征提取和洪水分级,通过RCNN模型提升卷积神经网络的有效训练深度,以山东省小清河流域黄台桥水文站为例开展洪水分级智能预报研究。结果表明应用降维数据聚类的AE-RCNN模型MAE指标、RMSE指标、NSE指标分别为5.04、7.91、0.92,优于CNN模型、RCNN模型和降雨聚类RCNN模型。该方法能够有效提取水文数据特征、提高洪水预报精度。
关键词
洪水分级智能预报
ae-rcnn
数据驱动模型
自编码器
残差卷积神经网络
Keywords
hierarchical intelligent flood forecasting
ae-rcnn
data-driven model
autoencoder
residual convolutional neural network
分类号
P338 [天文地球—水文科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于AE-RCNN的洪水分级智能预报方法研究
苑希民
李达
田福昌
何立新
王秀杰
郭立兵
《水利学报》
EI
CSCD
北大核心
2023
7
在线阅读
下载PDF
职称材料
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
