来源：期刊VIP网 时间：
作者：周涛;李成林;殷峻暹;金惠英;姚文才;黄磊;
单位：西藏农牧学院水利土木工程学院;西藏土木水利电力工程技术研究中心;中国水利水电科学研究院;南京津码智能科技有限公司;
摘要：针对近年来极端强降雨天气对深圳市带来的经济社会损失，提出一种改进的多层长短期记忆神经网络(long short-term memory, LSTM)道路积水大数据预测模型。以深圳市河湾流域58个内涝点的降雨积水数据为模型输入，并选取利用粒子群优化算法进行超参数寻优的回声状态网络(particle swarm optimization-echo state network, PSO-ESN)和传统LSTM为对比模型，比较三者在测试集上的纳什效率系数(Nash-Sutcliffe efficiency coefficient,E_(NS))。结果表明：改进的多层LSTM在26个有效点位中的21个点位上的测试集E_(NS)>0.8,达标率高达80.8%,远高于PSO-ESN和传统LSTM,证明该模型在研究区域进行道路积水预测工作的可行性。
关键词：道路积水;;深度学习;;大数据;;LSTM;;河湾流域
