检索结果-南通市图书馆

水利水运工程学报 2023年第6期2023卷 84-92页

作者：李港李有为舒章康张宇王江查伟长江航道勘察设计院(武汉)有限公司湖北武汉430040 国家内河航道整治工程技术研究中心湖北武汉430040 南京水利科学研究院水灾害防御全国重点实验室江苏南京210029

航道水位的精准预测对保障船舶通航安全具有重要意义。以长江下荆江航道为研究区域,采用2019—2020年水文时间序列数据为训练集,2021年数据为验证集,构建基于时间卷积网络(TCN)的长江下荆江水位变化预测模型,并与基于长短时记忆神经网络... 详细信息

航道水位的精准预测对保障船舶通航安全具有重要意义。以长江下荆江航道为研究区域,采用2019—2020年水文时间序列数据为训练集,2021年数据为验证集,构建基于时间卷积网络(TCN)的长江下荆江水位变化预测模型,并与基于长短时记忆神经网络(LSTM)和支持向量机(SVM)的水位预测模型进行计算精度的对比。结果表明:不同站点TCN对应的最优输入时间窗口存在一定差异,监利站、调弦口站及石首站的最优输入时间窗口分别为前2 d、前2 d和前3 d;TCN在2021年下荆江各站点水位预测结果的纳什系数(ENS)和决定系数(R^(2))均高于0.995,均方根误差(ERMS)小于0.21 m,整体预测效果优于LSTM,两者预测精度均较高,均显著优于SVM;但随着预测时间尺度的增加,水位预测精度整体呈下降趋势;TCN模型各站点枯水期大部分时段的水位预测绝对误差小于0.2 m,这表明TCN在航道水位预测领域具有较好的应用潜力。通过分析TCN在航道水位预测中的适用性和优越性,可为长江航道水位预测精度提升和船舶安全通航提供技术支撑。

关键词：水位预测航道水位下荆江航道时间卷积网络长短时记忆神经网络

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：