机构名称：
¥ 1.0
斯里兰卡的摘要Kalu Ganga River Basin在季风季节非常容易受到敏感，该季节经常造成毁灭性的洪水，破坏了当地社区的生活。解决这一关键问题，这项研究的重点是提高卡鲁甘加河流域水位预测的准确性。传统的水位预测方法已被证明是低效的，强调了对更先进和准确的预测技术的需求。这项研究开发了一种滚动预测系统，旨在使用多种机器学习算法来预测卡鲁恒河的Ratnapura站的未来水位。使用了10个月内收集的数据，分配了75％的培训，其余部分用于测试和验证。我们使用了四种机器学习模型，即支持矢量回归（SVR），随机森林（RF），人工神经网络（ANN）和长期短期记忆（LSTM）进行预测。所有模型在预测水位方面均表现出很高的精度，在大多数情况下，ANN和LSTM模型略优胜于SVR和RF。但是，在准确预测所有模型的峰值水位时都注意到了挑战。有限的10个月数据持续时间潜在地限制了模型的预测能力。总而言之，本研究中开发的滚动预测系统有望集成到rivernet.lk系统中，并有可能增强洪水管理能力。这项研究提供了可以推进斯里兰卡水资源管理和洪水减少措施的见解。建议使用跨越多年的较大数据集进行进一步的研究，以提高模型在预测更长时期水位方面的准确性。
实时洪水预测：使用机器学习的河流分析
主要关键词
相关文件推荐
