《表1 不同预见期径流预报结果统计》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于长短时记忆神经网络（LSTM）的降雨径流模拟及预报》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

使用LSTM神经网络预报高安站径流量的预报结果统计指标见表1。从中可以看出，在不同预见期下LSTM预报整体效果较好。在所有的预见期下BIAS指标均小于0.5%，说明LSTM预报结果在整体水量平衡方面精确度很高。在预报t d径流量时预报效果最好，NSE值达到最高，为0.9167，RMSE值达到最低，为59.7118m3/s。随着预见期的增长，预报精度随之下降。在预报（t+1)d、（t+2)d径流时精度下降幅度较小，但在预报（t+3)d径流时预报精度下降明显，NSE仅为0.6363，RMSE仅为124.7761m3/s。在模型最优参数方面，在不同的预见期下，最优的NSE值和RMSE值都在相同的参数取值下得到，但最优BIAS值均在与之不同的参数下得到。