基于BiLSTM-NFC的地下水埋深预测方法研究 |
| |
作者姓名: | 刘鑫 韩宇平 刘中培 黄会平 |
| |
作者单位: | 华北水利水电大学 水利学院,河南 郑州450046;华北水利水电大学 测绘与地理信息学院,河南 郑州450046 |
| |
基金项目: | 国家自然科学基金;引进国际先进水利科学技术计划计划) |
| |
摘 要: | 为了提高地下水埋深预测的精度,提出了双向长短时记忆循环神经网络(BiLSTM)融合非全连接神经网络(NFC)的深度学习模型.使用自适应矩估计优化函数(Adam),耦合双曲正切(Tanh)、软最大逻辑回归(Softmax)和线性整流单元(ReLU)3个激活函数,且将学习率设置为动态的,以黄河下游人民胜利渠灌区1993—2...
|
关 键 词: | 地下水埋深预测 双向长短时记忆循环神经网络 非全连接神经网络 深度学习模型 自适应矩估计优化函数 耦合激活函数 动态学习率 |
本文献已被 CNKI 万方数据 等数据库收录! |
|