基于CNN-LSTM-Attention模型的沁河流域徑流模擬及未來多情景預(yù)測(cè)

摘要： 為提升深度學(xué)習(xí)模型對(duì)變化環(huán)境下流域的徑流模擬精度，以沁河流域?yàn)槔?，?gòu)建了基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)、長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)和注意力機(jī)制(Attention)的CNN-LSTM-Attention耦合模型，加入多種優(yōu)化算法，結(jié)合第六次國(guó)際耦合模式比較計(jì)劃CMIP6中的BCC-CSM2-MR氣候模式并考慮多種情景，應(yīng)用于流域的徑流模擬和預(yù)測(cè)，同時(shí)比較了多種深度學(xué)習(xí)模型的模擬精度... （共9頁(yè)）