水电知识网——水电知识的资源中心和服务中心

本书结合目前深度学习在水文预报预测领域的应用现状，目前深度学习应用于水文预报预测时存在着一些共性问题。大致可以分为三大类：（1）数据稀缺问题；目前水文数据的自动化采集传输以及数据缺失是亟待解决的问题；（2）原理解释性问题；深度学习方法构建的模型往往依托于数据驱动的黑箱机制，这类模型虽能处理复杂关系，却缺失了明确的物理基础与内在过程机制的直观解释，使用黑箱模型可能会导致模拟精度不够以及难以使人信服等问题；（3）参数选择问题；如：隐层层数、卷积核大小、优化函数的设定等。当前对深度学习机制理解有限，实践多依赖研究人员直觉与实验迭代优化参数。就深度学习在水文预报预测中的应用进行深入研究，旨在选择合适的深度学习模型，使其具有较高的模拟精度，研究内容主要包括：1、深度学习模型在中长期径流预报中的应用2、深度学习模型在河湖生态流量预警预报中的应用3、深度学习模型在水文气象干旱预报中的应用4、深度学习模型用于填补水文气象数据。5、利用VMD-LSTM神经网络进行潮位预测。本书适用于水文水资源领域的专业研究人员、环境科学与工程的学者和实践者、数据科学与人工智能领域的专家、水利工程与水资源管理的决策者、高等院校相关专业的学生和教师。