训练数据量对LSTM网络学习性能影响分析

摘要

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。