通过给定水文频率分布参数值，随机生成皮尔逊Ⅲ型分布序列，将其作为输入，分别以分布参数或给定设计频率下的设计值作为输出，构建了两种深度神经网络模型：一种可估计水文频率分布参数，另一种可直接估计给定频率下的设计值。分别以序列长为30、50以及100的三组测试集开展实例研究，结果表明：直接估计给定频率下设计值的深度神经网络优于估计分布参数的网络；其设计值估计结果的平均相对误差分别为-0.003、-0.007和0.004，而线性矩法为0.036、0.016和0.010，无偏性更优且有效性全面优于线性矩法，并在分布参数偏大或偏小的情况下表现更加稳定。
文章目录
0 引言
1 研究方法
1.1 随机数据样本
1.2 深度神经网络
1.3 线性矩法
1.4 评价指标
2 结果与讨论
2.1 模型配置与超参数
2.2 模型一估计结果
2.3 模型二估计结果
3 实例分析
4 结论与展望