基于神经网络的小型水库洪水预报研究

针对经验预测方法精度不高，传统水文模型应用至小型水库进行洪水预报工作量大、推广较难的问题，引入具有强大特征学习能力的人工神经网络(ANN)方法，结合遗传算法(GA)寻参，对小型水库进行洪水预报。利用GA实现ANN中时间步长和隐含层神经元节点参数自动寻优，可避免寻参盲目性，针对性地为各小型水库构建个性化洪水预报模型。通过构建反向传播(BP)、长短期记忆(LSTM)、门控循环单元(GRU)神经网络洪水预报模型，对实测洪水过程进行模拟对比试验。结果表明：LSTM模型预报精度高、稳定性良好，能学习并模拟实际洪水过程水位变化规律，预报性能优于BP和GRU模型。