引入变分贝叶斯理论,提出变分贝叶斯与深度学习耦合的概率预报模型VB-LSTM,以定量评估水文预报结果的不确定性,提高结果可靠度.以黄河源区1961—2015年的径流过程为研究对象,对VB-LSTM模型进行应用示例研究.结果表明:与长短时记忆网络(LSTM)相比,VB-LSTM模型在验证期预报精度更高,结果更稳定;与传统基于"线性-正态"假设...
Additionally, it outperforms the traditional probabilistic hydrological post- processing method that relies on a "linearnormal" assumption, by providing higher predictive accuracy and reliability, and reducing predictive uncertainty.李大洋姚轶梁忠民周艳李彬权Advances in Water Science / Shuike...
DOI:10.14042/j.cnki.32.1309.2023.01.004基于变分贝叶斯深度学习的水文概率预报方法 李大洋1,姚㊀轶2,梁忠民3,周㊀艳4,李彬权3,5 (1.盐城工学院土木工程学院,江苏盐城㊀224051;2.南京水利科学研究院水文水资源与水利工程科学国家重点实验室,江苏南京㊀210029;3.河海大学水文水资源学院,江苏南京㊀210098...