训练数据量对 LSTM 网络学习性能影响分析   总被引：1，自引：0，他引：1  

田远洋  徐显涛  彭安帮  徐炜  殷仕明 《水文》2022,42(1):29-34+22

以雅砻江、岷江和嘉陵江为研究流域,采用K-最近邻（KNN）算法模拟生成130年的气象数据,并采用SWAT模型计算各流域出口水文站的径流过程;然后分别以前5年、10年、20年、40年和80年的降雨和径流数据对网络进行训练,以最后50年数据作为验证。主要结果表明：LSTM网络的学习能力随着神经元数量增加不断提高,但对水文序列数据的学习则存在过拟合严重的问题;增加训练数据量,可以有效地降低LSTM网络过拟合现象。  相似文献