基于CNN-LSTM的生物炭改良绿色屋顶径流调控与预测

曹 魁, 张 伟祺, 付 峥嵘
湖南工业大学土木与环境工程学院

摘要


传统水文模型在预测降雨-径流过程时存在瓶颈。为此，本文构建了基于CNN-LSTM的深度学习预测模型。该模型以多源气象因子与基质特性参数为输入，利用31场自然降雨的原位监测数据，模拟了三种生物炭改良基质的瞬时径流响应。通过独立数据验证表明，CNN-LSTM模型在不同降雨情景下均具备良好的预测精度。

关键词


绿色屋顶；深度学习；时间序列预测；CNN-LSTM

全文:

PDF


参考


[1] Chao Guerbatin A, Ahammed F. Climate change impacts on water sensitive urban design technologies[J]. Sustainability, 2024, 16(4): 1568.

[2] Palla A, Gnecco I, Lanza L G. Unsaturated 2D modelling of subsurface water flow in the coarse-grained porous matrix of a green roof[J]. Journal of Hydrology, 2009, 379(1-2): 193-204.


Refbacks

  • 当前没有refback。