一种基于LSTM深度学习的河流水温预测方法

    公开(公告)号:CN112116147A

    公开(公告)日:2020-12-22

    申请号:CN202010972535.0

    申请日:2020-09-16

    Applicant: 南京大学

    Abstract: 本发明公开一种基于LSTM深度学习的河流水温预测方法,属于水文模型技术领域,通过收集某河流历史逐日气温、流量和水温资料;将时间序列划分为训练集和测试集,对数据进行正则化处理;基于训练集数据,利用气温和流量作为输入因子,水温为输出因子,构建基于长短期记忆神经网络LSTM的水温预测模型;将测试集气温和流量输入训练好的模型,并通过反正则化处理得到测试集水温预测结果;对比测试集水温预测值和观测值,以平均绝对误差MAE、均方根误差RMSE、纳什效率系数NSE和决定系数R2作为检验标准,验证模型合理性。本发明是精度高、结果可靠的河流水温预测方法,相比于现行的机器学习河流水温预测方法具有优越性,为河流生态系统管理和保护提供科学支撑。

    水库调蓄和环境因子对下游河流水温变化定量分析方法

    公开(公告)号:CN110942257B

    公开(公告)日:2023-05-09

    申请号:CN201911239918.0

    申请日:2019-12-06

    Applicant: 南京大学

    Abstract: 本发明公开了一种水库调蓄和环境因子对下游河流水温变化定量分析方法,收集流域内的水文气象资料,对水库蓄水前后天然期和影响期分别逐月构建线性水温回归模型,再重构影响期的天然径流,进而重构天然水温序列,利用重构的天然水温与实测水温的差异,分析水库调蓄和环境因子对下游水温变化的贡献;本发明将水库调蓄和环境因子对水温变化的二元归因分析,细分为水库调蓄作用下水温‑气温相互作用变化、径流模式变化和天然情境下气温变化、流量变化的四元归因分析,能够科学准确地判断水库对水温的影响程度,定量评估出水库下游河流水温变化的原因。

    水库调蓄和环境因子对下游河流水温变化定量分析方法

    公开(公告)号:CN110942257A

    公开(公告)日:2020-03-31

    申请号:CN201911239918.0

    申请日:2019-12-06

    Applicant: 南京大学

    Abstract: 本发明公开了一种水库调蓄和环境因子对下游河流水温变化定量分析方法,收集流域内的水文气象资料,对水库蓄水前后天然期和影响期分别逐月构建线性水温回归模型,再重构影响期的天然径流,进而重构天然水温序列,利用重构的天然水温与实测水温的差异,分析水库调蓄和环境因子对下游水温变化的贡献;本发明将水库调蓄和环境因子对水温变化的二元归因分析,细分为水库调蓄作用下水温-气温相互作用变化、径流模式变化和天然情境下气温变化、流量变化的四元归因分析,能够科学准确地判断水库对水温的影响程度,定量评估出水库下游河流水温变化的原因。

Patent Agency Ranking