用于印度Udupi地区地下水位预测的狮群算法优化长短期记忆网络
机器学习
2019-12-13 v1
摘要
地下水是宝贵的自然资源。地下水位(GWL)预测在水资源管理领域至关重要。通过观测井测量GWL是关于含水层信息的主要来源,并对其评估具有关键意义。印度卡纳塔克邦Udupi地区大部分由砖红土 terrain 与片麻杂岩地质构造组成。由于地形崎岖和降雨不稳定,Udupi地区GWL持续下降,且多数敞口井在夏季干涸。因此,本研究旨在利用混合长短期记忆-狮群算法(LSTM-LA)开发地下水位预测模型。使用来自印度卡纳塔克邦Udupi地区一口观测井的历史GWL与降雨数据建立模型。混合LSTM-LA模型的预测精度优于前馈神经网络(FFNN)与孤立LSTM模型。基于混合LSTM-LA的预测模型在更大数据集上颇具前景。
引用
@article{arxiv.1912.05934,
title = {Lion Algorithm- Optimized Long Short-Term Memory Network for Groundwater Level Forecasting in Udupi District, India},
author = {Supreetha B. S and Narayan Shenoy and Prabhakar Nayak},
journal= {arXiv preprint arXiv:1912.05934},
year = {2019}
}