耦合人工神经网络模型在径流预测中的应用综述

doi:10.19513/j.cnki.hyqxxb.20230720001

首页 > 过刊浏览>2024年第44卷第3期 >152-161. DOI:10.19513/j.cnki.hyqxxb.20230720001

耦合人工神经网络模型在径流预测中的应用综述
DOI:
                        10.19513/j.cnki.hyqxxb.20230720001
                    
作者:
                        王语浠1，2，3王语浠
南京信息工程大学龙山书院，江苏 南京 210044 ；南京信息工程大学水文与水资源工程学院，江苏 南京 210044 ；南京信息工程大学水利部水文气象灾害机理与预警重点实验室，江苏 南京 210044
在期刊界中查找
在百度中查找
在本站中查找
曹青2，3曹青
南京信息工程大学水文与水资源工程学院，江苏 南京 210044 ；南京信息工程大学水利部水文气象灾害机理与预警重点实验室，江苏 南京 210044
在期刊界中查找
在百度中查找
在本站中查找
SHAO Quanxi4SHAO Quanxi
联邦科学与工业研究组织，澳大利亚 珀斯 WA 6151
在期刊界中查找
在百度中查找
在本站中查找

                    
作者单位:1.南京信息工程大学龙山书院，江苏 南京 210044 ;2.南京信息工程大学水文与水资源工程学院，江苏 南京 210044 ;3.南京信息工程大学水利部水文气象灾害机理与预警重点实验室，江苏 南京 210044 ;4.联邦科学与工业研究组织，澳大利亚 珀斯 WA 6151
作者简介:王语浠，女，本科生，主要从事水文气象研究工作，202283300450@nuist.edu.cn。
通讯作者:
中图分类号:TV11；TP183
基金项目:国家自然科学基金青年科学基金项目（42201025）；高端外国专家引进计划项目（G2023014051L）；宁夏回族自治区重点研发计划项目（2023BEG02054）；水利部水文气象灾害机理与预警重点实验室开放基金项目（HYMED202210，HYMED202301）

请扫码阅读

Review of coupled artificial neural network models applied in runoff prediction

Author:

WANG Yuxi ^{^1，2，3}
WANG Yuxi
Longshan College, Nanjing University of Information Science & Technology, Nanjing 210044 , China ；School of Hydrology and Water Resources, Nanjing University of Information Science & Technology, Nanjing 210044 , China ；Key Laboratory of Hydrometeorological Disaster Mechanism and Warning of Ministry of Water Resources, Nanjing University of Information Science & Technology, Nanjing 210044 , China
在期刊界中查找
在百度中查找
在本站中查找
CAO Qing ^{^2，3}
CAO Qing
School of Hydrology and Water Resources, Nanjing University of Information Science & Technology, Nanjing 210044 , China ；Key Laboratory of Hydrometeorological Disaster Mechanism and Warning of Ministry of Water Resources, Nanjing University of Information Science & Technology, Nanjing 210044 , China
在期刊界中查找
在百度中查找
在本站中查找
SHAO Quanxi ^⁴
SHAO Quanxi
Commonwealth Scientific and Industrial Research Organization (CSIRO), Perth WA[WTBX] 6151, Australia
在期刊界中查找
在百度中查找
在本站中查找

Affiliation:

1.Longshan College, Nanjing University of Information Science & Technology, Nanjing 210044 , China ; 2.School of Hydrology and Water Resources, Nanjing University of Information Science & Technology, Nanjing 210044 , China ; 3.Key Laboratory of Hydrometeorological Disaster Mechanism and Warning of Ministry of Water Resources, Nanjing University of Information Science & Technology, Nanjing 210044 , China ; 4.Commonwealth Scientific and Industrial Research Organization (CSIRO), Perth WA[WTBX] 6151, Australia

Fund Project:

摘要

图/表

访问统计

参考文献

相似文献

引证文献

资源附件

文章评论

摘要:

人工神经网络（artificial neural network，ANN）模型耦合其他模型或优化算法在径流预测中的应用逐渐增多。从人工神经网络模型与物理模型的耦合、多人工神经网络模型的耦合、分解技术与机器学习方法的耦合、人工神经网络模型与智能优化算法的耦合4个方面进行系统梳理和总结，阐述提高预测精度的原因及各方法的优势。同时，提出当前研究中存在的问题并进行展望，可为径流预测和水资源管理提供支持。关键词径流预测；反向传播（BP）神经网络模型；循环神经网络（RNN）模型；长短期记忆（LSTM）神经网络模型；门控循环单元（GRU）神经网络模型；卷积神经网络（CNN）模型

关键词:runoff prediction; back propagation (BP) neural network model; recurrent neural network (RNN) model; long-short term memory (LSTM) neural network model; gated recurrent unit (GRU) neural network model; convolutional neural network (CNN) model

Abstract:

The application of artificial neural network (ANN) coupled with other models or optimization algorithms in runoff prediction is gradually increasing. The systematic review and summary are given from 4 aspects: the coupling of ANN models with physical models, the combination of multiple ANN models, the integration of decomposition techniques with machine learning methods and the incorporation of ANN models with intelligent optimization algorithms. The reasons for the improvement in the prediction accuracy and the advantages of each method are analyzed. Furthermore, the present research challenges and future prospects are discussed, which can provide support for runoff prediction and water resources management.

Key words:runoff prediction; back propagation (BP) neural network model; recurrent neural network (RNN) model; long-short term memory (LSTM) neural network model; gated recurrent unit (GRU) neural network model; convolutional neural network (CNN) model

引用本文

王语浠,曹青,SHAO Quanxi.耦合人工神经网络模型在径流预测中的应用综述[J].海洋气象学报,2024,44(3):152-161.

复制

文章指标

点击次数:
下载次数:
HTML阅读次数:
引用次数:

文章历史

收稿日期:2023-07-20
最后修改日期:2024-02-02
录用日期:
在线发布日期: 2024-09-04
出版日期:

引用本文

分享

文章指标

文章历史

联系我们