基于改进LSTM模型的三峡水库蓄水对洞庭湖水位影响的空间异质性分析

针对传统的LSTM模型存在网络训练受阻、泛化能力减弱、预测精度和效率较低的问题，从模型结构和参数优选两方面进行改进。结构方面，在LSTM模型前加入具有多层结构的神经网络层；参数优选方面，采用多层网格搜索法选取模型参数。以长江中游典型通江湖泊——洞庭湖不同湖区的水位预测为例，与传统的LSTM模型、BP神经网络及水动力模型相比，改进型LSTM模型平均均方根误差分别减少58.80%、65.95%、44.14%;从预测计算时间来看，改进型LSTM模型所消耗的时间比传统的LSTM模型缩短62.12%,且明显少于水动力模型，总体来看改进型LSTM模型的整体性能优于其他三种模型。将改进型LSTM模型应用到三峡水库蓄水对洞庭湖水位的影响分析上，结果表明：三峡水库运行对洞庭湖不同湖区水位的影响具有明显的空间异质性，城陵矶站受其影响最为显著，其次为东洞庭湖鹿角站和西洞庭湖南咀站，南洞庭湖受影响最小。蓄水期间东洞庭湖城陵矶站水位平均下降0.44 m,最大降幅为1.55 m;鹿角站水位平均下降0.22 m,最大降幅为1.02 m;西洞庭湖南咀站水位平均下降0.27 m,最大降幅为1.28 m;南洞庭湖杨柳潭站...