基于DM-LSTM的城市降雨径流预测研究

作     者：崔忠捷 卿晓霞 杨森雄 CUI Zhong-jie;QING Xiao-xia;YANG Sen-xiong

作者机构：重庆大学环境与生态学院重庆400045 重庆大学土木工程学院重庆400045 中国电建贵阳勘测设计研究院有限公司贵州贵阳550000 

基　　金：国家重点研发计划项目(2017YFC0404704) 重庆市教委科学技术研究项目(KJZD-K202100104) 重庆市科委社会民生类重点研发项目(cstc2018jszx-zdyfxmX0010) 

出 版 物：《中国给水排水》 (China Water & Wastewater)

年 卷 期：2022年第38卷第19期

页      码：132-138页

摘      要：智慧水务背景下,如何基于人工智能理论与技术深化城市降雨径流模型研究,是一项值得探索的课题。由于城市降雨径流时间分辨率高且样本特征分布不具有规律性,直接采用长短期记忆(LSTM)模型进行预测面临着挑战。基于此,提出用数据挖掘(DM)算法及规则对城市降雨径流时序数据集进行聚类和重构,并基于深度学习算法对LSTM模型的结构和参数进行优化,构建了DM-LSTM耦合模型,并用于研究区域的降雨径流模拟。结果表明,对于各类降雨事件,与LSTM模型相比,DM-LSTM耦合模型的均方根误差(RMSE)降低了2.1%~41.9%,纳什效率系数(NSE)提高了0.4%~56.4%,决定系数(R^(2))提高了0.3%~65.6%。DM-LSTM耦合模型不仅对各类降雨事件均表现出更好的预测性,而且模型运行时间仅为2.044 s,能够很好地满足城市降雨径流预测对实时性、准确性和稳定性的需求。

主 题 词：城市降雨径流预测 数据驱动模型 长短期记忆(LSTM)模型 数据挖掘 深度学习 智慧水务 

学科分类：08[工学] 0815[工学-矿业类] 

核心收录：

D　O　I：10.19853/j.zgjsps.1000-4602.2022.19.021

馆 藏 号：203115071...