基于深度学习的无资料地区多源降水融合与性能综合评估

张弘强; 唐业勤; 田海平; 王辉斌; 周立华; 谭新丛; 潘鹤鸣; 黄志鸿; 张亦可

doi:10.20040/j.cnki.1000-7709.2024.20230553

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于深度学习的无资料地区多源降水融合与性能综合评估

水文水资源与环境 | 更新时间：2026-07-09

- 基于深度学习的无资料地区多源降水融合与性能综合评估
- 基于深度学习的无资料地区多源降水融合与性能综合评估
- 水电能源科学 2024年42卷第4期页码：15-19
- 作者机构：
  
  1. 国网湖南省电力有限公司电力科学研究院
  2. 高效清洁发电技术湖南省重点实验室
  3. 兰州理工大学电气工程与信息工程学院
  4. 国网湖南省电力有限公司凤滩水力发电厂
  5. 国网湖南省电力有限公司水电分公司
  6. 长沙理工大学水利与环境工程学院
- 作者简介：
- 基金信息：
  
  国网湖南省电力有限公司科技项目(5216A521N00J)
- DOI：10.20040/j.cnki.1000-7709.2024.20230553
  中图分类号： P407
- 纸质出版：2024
- 稿件说明：
移动端阅览
张弘强, 唐业勤, 田海平, 等. 基于深度学习的无资料地区多源降水融合与性能综合评估[J]. 水电能源科学, 2024,42(4):15-19.

张弘强, 唐业勤, 田海平, et al. 基于深度学习的无资料地区多源降水融合与性能综合评估[J]. 2024, 42(4): 15-19.
张弘强, 唐业勤, 田海平, 等. 基于深度学习的无资料地区多源降水融合与性能综合评估[J]. 水电能源科学, 2024,42(4):15-19. DOI： 10.20040/j.cnki.1000-7709.2024.20230553.

张弘强, 唐业勤, 田海平, et al. 基于深度学习的无资料地区多源降水融合与性能综合评估[J]. 2024, 42(4): 15-19. DOI： 10.20040/j.cnki.1000-7709.2024.20230553.

摘要

为研究卫星-地面站点降水融合校正对遥感降水数据在无资料地区水文应用的意义，构建了考虑时空因素的深度神经网络(CNN-LSTM)融合模型，结合地形因子和气象站点实测资料对渫水流域TRMM 3B42遥感数据进行融合校正，并定量评估校正后的日降水误差。结果表明，经过CNN-LSTM模型校正后的降水数据精度有所提高，其与站点降水资料的相关系数在0.65以上，均方根误差、平均绝对误差、探测率分别比原始TRMM数据精度提升4.01%、8.09%、16.61%

且校正后的数据明显低估了降水；在不同雨强条件下遥感融合校正降水精度表现良好，但对于暴雨事件探测的精度仍有待提高。

Abstract

关键词

Keywords

references

吴宏财.基于深度学习的地面与TRMM降水数据融合[D].电子科技大学,2020(07).

张国锐,杨传国,卢书梅,陈羽.CMORPH卫星站点融合降水的沂河流域径流模拟适用性评估[J].水电能源科学,2023(01).

李振华,李浩,黄景光,张磊,吴琳.基于声信号和一维卷积神经网络的绝缘子污秽度监测方法研究[J].湖南电力,2022(04).

昌玲,邓国安.基于LightGBM及LSTM融合的科技园区短期负荷预测[J].湖南电力,2021(06).

邓威,郭钇秀,李勇,周王峰,乔学博,罗威成.基于聚类及趋势指标的长短期神经网络配网负荷短期预测[J].湖南电力,2021(04).

王忠静,石羽佳,张腾.TRMM遥感降水低估还是高估中国大陆地区的降水？[J].地球科学进展,2021(06).

潘志敏,俞水琼,梁运华.基于深度学习网络的电力系统不良数据辨识算法研究[J].湖南电力,2018(06).

孙振利,吴志勇,何海.TRMM卫星反演降水在江苏典型平原区的评估与订正[J].水电能源科学,2017(02).

王玉丹,南卓铜,陈浩,吴小波.基于K最近邻模型的青藏高原CMORPH日降水数据的订正研究[J].遥感技术与应用,2016(03).

Ran Xu,Fuqiang Tian,Long Yang,Hongchang Hu,Hui Lu,Aizhong Hou.Ground validation of GPM IMERG and TRMM 3B42V7 rainfall products over southern Tibetan Plateau based on a high‐density rain gauge network[J].Journal of Geophysical Research: Atmospheres,2017(2).

浏览量

119

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

模型驱动辅助的高土石坝监测数据处理与变形预测方法研究

基于CNN-LSTM模型的城市洪水二维时空预测研究

基于多层感知机和编码器解码器架构的混凝土坝长期变形预测

基于水动力模型和深度学习的缺资料河段水位预测研究

基于下垫面智能识别和水动力仿真的LID城市降雨径流调控优化