-
题名图神经网络驱动的流域洪水预报技术
- 1
-
-
作者
马森标
-
机构
福建中锐网络股份有限公司研发中心
-
出处
《江西水利科技》
2023年第5期313-319,326,共8页
-
文摘
本研究提出了一个图指导的时空关联预报模型(GSCPM,graph-guided spatiotemporal correlation prediction model),针对性地解决流域洪水预报中的时空关系建模和滞后影响问题。该模型通过多个长短期记忆网络(LSTM)编码每个监测点历史属性的时间关联特征,随后利用图卷积神经网络(GCN)挖掘监测点间的地理空间依赖。此外,提出了雨量滞后特征、泄洪量滞后特征和上游水位滞后特征用以挖掘变量滞后效应。本文在现实流域数据集上进行了广泛的实验,通过跟LSTM、RNN等模型的比较,证明了GSCPM模型的优越性,适合在流域洪水预报中推广使用。
-
关键词
图神经网络
长短期记忆网络
特征编码
滞后特征
GSCPM
-
Keywords
Graph neural network
Long and short-term memory network
Feature coding
Delay feature
GSCPM
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名LSTM优化模型的水库水位预测研究
被引量:4
- 2
-
-
作者
马森标
唐卫明
陈春强
-
机构
福建中锐网络股份有限公司研发中心
武汉大学GNSS中心
中国科学院海西研究院虚拟制造与仿真研究中心
-
出处
《福建电脑》
2022年第5期1-8,共8页
-
文摘
提高水库水位的预测精度对水库的水资源调度、防洪减灾、安全管理等方面具有重大意义。但水库水位的变化受到众多因素影响,特别是近年来异常气候的增多,水库水位的快速变化也有增多的趋势,水库水位的变化与各因素之间并非简单的线性关系。本文利用长短时记忆神经网络(LSTM)在处理长时间序列问题上的优势和Attention机制能够对不同的特征赋予不同的权重,以及粒子群优化算法自适应全局搜索的优势,提出了将粒子群LSTM-Attention复合模型应用于福州市某水库水位预测的思路。结果表明相对于粒子群RNN优化模型、粒子群LSTM优化模型等水库水位预测模型,本文提出的改进粒子群LSTM-Attention优化模型具有更高的预测准确度。
-
关键词
水库水位
粒子群优化算法
LSTM
ATTENTION
预测模型
-
Keywords
Reservoir Water Level
Particle Swarm Optimization Algorithm
LSTM
Attention
Prediction Model
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-