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。
文章目录
0 引言
1 研究方法
1.1 LSTM网络
1.2 模型效果评价指标
2 研究区域与模型构建
2.1 研究区域概况
2.2 训练数据生成
2.3 训练参数选择
3 实验结果与分析
3.1 KNN模拟结果分析
3.2 参数组合分析
3.3 不同数据量条件下的网络性能分析
3.4 径流过程分析
4 结论
