一种基于CNN-LSTM组合模型的灌区地下水位埋深预测方法

本发明公开了一种基于CNN‑LSTM组合模型的灌区地下水位埋深预测方法，包括获取灌区地下水位埋深的影响因素的数据，并进行归一化处理；将归一化处理后的数据按时间顺序整理为数据集，并将数据集划分为训练集和测试集；提取地下水位埋深各影响因素的数据特征；将数据特征输入长短期记忆网络中构建地下水位埋深预测模型，其输出结果进行反归一化处理后最终得到逐月的地下水位埋深；根据预测结果计算纳什效率系数NSE，对CNN‑LSTM组合预测模型进行参数优化，得到合适的预测模型。本发明模型能够同时考虑局部和全局的信息，使预测结果精度更高且稳定；对于小样本数据易出现过拟合现象，采用丢弃部分神经元的方法，可以有效解决该问题，得到较好的预测结果。