水文變異對深度學習模型訓練性能的影響研究

打開文本圖片集

關鍵詞：水文變異；深度學習模型；預測性能；交叉驗證

０引言

隨著經(jīng)濟社會的快速發(fā)展和氣候變化，黃河流域極端氣象事件和水文事件頻發(fā)，由此引發(fā)水文序列變異，徑流時間序列呈現(xiàn)出強非線性、非平穩(wěn)性［１－２］。以往相關研究中采用統(tǒng)計模型預測長期徑流時均對其進行一致性、平穩(wěn)性假設［３］。然而，實際應用中水文序列變異會嚴重降低統(tǒng)計模型的預測精度，大多數(shù)研究忽視了此問題。（剩余3116字）