文件名称：基于正则化GRU模型的洪水预测
文件大小：1.15MB
文件格式：PDF
更新时间：2024-05-26 06:23:53
时间序列 门结构循环单元 弹性网正则化 洪水预报 水位
针对传统神经网络模型在洪水预测过程中存在准确性低、过拟合等问题，本文以赣江流域外洲水文站每月平均水位为研究对象，提出基于正则化GRU神经网络的洪水预测模型来提高洪水预报精度.选用relu函数作为整个神经网络的输出层激活函数，将弹性网正则化引入到GRU模型中，对网络中输入权重w实施正则化处理，以提升GRU模型的泛化性能，并将该模型应用于外洲水文站每月平均水位的拟合及预测.实验对比表明，弹性网正则化优化后的模型预测拟合程度较高，合格率提高了9.3%，计算出的均方根误差较小.