在阿什兰市, 田纳西州实施基于GRU的神经网络洪水预测
机器学习
2024-05-20 v1
摘要
阿什兰市, 田纳西州位于 Lower Cumberland Sycamore 河流域，因上游水位增加而高度易受洪水威胁。本研究旨在开发一个 robust 的洪水预测模型，利用来自河流域内十个美国地质调查站点的 30 分钟间隔水位数据。所采用的门控循环单元（GRU）网络因其有效处理序列时间序列数据之能力而被选用。该模型使用为期一年的数据（2021年1月至2022年1月）进行训练、验证和测试，其性能通过包括纳什-萨特克尔效率（NSE）、根均方误差（RMSE）、百分偏差（PBIAS）、平均绝对误差（MAE）和决定系数（R^2）等统计指标进行评估。结果表明，该模型对数据方差解释了 98.2%。尽管预测值与观测值之间存在细微差异，但GRU模型证明了在阿什兰市进行洪水预测的有效工具，并具有潜在的应用，以增强该市的灾害准备和响应能力。
引用
@article{arxiv.2405.10375,
title = {Implementing a GRU Neural Network for Flood Prediction in Ashland City, Tennessee},
author = {George K. Fordjour and Alfred J. Kalyanapu},
journal= {arXiv preprint arXiv:2405.10375},
year = {2024}
}
备注
13 pages, 3 figures, 3 tables