基于人工智能构建模型的水库水位预测

王 沼衡, 方 金荣, 唐 婕, 黄 超
浙江万里学院

摘要


水库水位预测是水资源管理与防洪减灾的核心任务。本研究提出一种基于长短期记忆网络（LSTM）的水位预测模型，结合长江流域历史流量、气象数据及地理特征，构建智能化预测系统。通过优化模型架构与多源数据融合策略，显著提升了预测精度。实验表明，模型在短期（24小时）预测中的均方根误差（RMSE）降低至0.15米，较传统方法提升40%。研究成果可为长江流域防洪决策提供科学支持，并为无资料流域预测提供参考。

关键词


人工智能；LSTM；水库水位预测；多源数据融合；防洪减灾

全文:

PDF


参考


[1]马森标，唐卫明，陈春强.LSTM优化模型的水库水位预测研究[J].福建电脑，2022，38（05）：1-8.

[2]高敏.基于改进LSTM的风险预测模型构建及应用比较[J].粘接，2025，52（03）：193-196.

[3]吕海峰，涂井先，林泓全，等.基于CNN-LSTM-Attention和自回归的混合水位预测模型（英文）[J].水利水电技术（中英文），2024，55（06）：16-31.


Refbacks

  • 当前没有refback。