معرفی یک مدل شبیه سازی بارش_رواناب با یادگیری توالی به توالی به روش LSTM

آب های سطحی یکی از مهم ترین منابع تامین آب می باشند، از این رو مدل سازی آن ها از اهمیت بالایی برخوردار است. مدل سازی بارش- رواناب یک مسئله پیچیده غیر خطی سری زمانی است. در حالی که هنوز جای پیشرفت وجود دارد ، محققان دهه های متمادی در حال توسعه مدل های یادگیری فیزیکی و ماشینی برای پیش بینی رواناب با استفاده از مجموعه داده های بارندگی ه ستند. با پی شرفت منابع سخت افزاری محا سباتی و الگوریتم ها ، با در نظر گرفتن روش های یادگیری عمیق مانند مدل حافظه طولانی کوتاه مدت (LSTM) و مدل سازی توالی به توالی (seq۲seq) ، نوید خوبی درمورد حل مشکلات سری زمانی داده شده است. امروزه به دلیل مسائل و مشکلات موجود در زمینه منابع آبی، برآورد حجم رواناب حاصل از بارندگی، از نظر تامین آب و مدیریت منابع آب روز به روز اهمیت بیشتری پیدا میکند. این مطالعه بیان یک مدل پیش بینی بر اساس LSTM و ساختار seq۲seq را برای تخمین ساعتی بارش- رواناب ارائه می دهد.

Keywords:

بارش_رواناب , شبکه عصبی مصنوعی , مدیریت منابع آب , LSTM