基于TCN-Attention模型的多变量黄河径流量预测

针对河流径流量变化受到众多因素影响,具有随机性和非线性的特征,难以对其精确预测的问题,基于黄河花园口水文站2008—2012年日均流量、日降水量、日均含沙量数据,提出一种结合时间卷积神经网络(TCN)和注意力(Attention)机制的多变量TCN-Attention模型,对花园口水文站日均流量进行预测,并选取LSTM模型和TCN模型进行预测对比实验。结果表明,TCN模型和TCN-Attention模型的预测性能整体优于LSTM模型;Attention机制可以通过调整特征向量权重提升TCN模型的预测性能,与TCN模型相比,TCN-Attention模型的MAE、RMSE、MAPE值分别降低了20.25%、24.90%、24.39%;TCN-Attention模型具有较优的泛化性能,可以提升日均流量预测精度。