17、利用机器学习（深度学习）进行水位预测

利用机器学习（深度学习）进行水位预测

1. 实验设置

1.1 选择模型输入和数据准备

为确定最合适的预测因子组合及其滞后项，进行了多次试验。模型最初使用以下输入运行：
- 降雨（R）：[Rt - 1, Rt]
- 水位（WL）：[WLt−1, WLt]、[WLt−2, WLt−1, WLt] 和 [WLt−3, WLt−2, WLt−1, WLt] 的组合
- 流量（FLOW）：[FLOWt] 和 [FLOWt−1, FLOWt] 的组合

因变量为 [WLt + 1]。基于相关性分析，使用水位输入的测试效果最佳，以此为基础进行进一步实验。对于不受水控制结构影响的站点，将降雨输入添加到最初测试的水位输入组合中，得到 [Rt−1, Rt, WLt−1, WLt]、[Rt−1, Rt, WLt−2, WLt−1, WLt] 和 [Rt−1, Rt, WLt−3, WLt−2, WLt−1, WLt] 等组合。先对不受水控制结构影响的站点进行测试，然后将表现最佳的组合用于受水控制结构影响的站点测试，并添加流量输入，测试组合为 [Rt−1, Rt, WLt−2, WLt−1, WLt, FLOWt] 和 [Rt−1, Rt, WLt−2, WLt−1, WLt, FLOWt−1, FLOWt]。

输入变量	提前时间	水位（WL）	降雨与水位（Rainfall & WL）