典型文献
LSTM优化模型的水库水位预测研究
文献摘要：
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.
文献关键词：
水库水位;粒子群优化算法;LSTM;Attention;预测模型
中图分类号：
作者姓名：
马森标;唐卫明;陈春强
作者机构：
福建中锐网络股份有限公司研发中心 福州 350108;武汉大学GNSS中心 武汉 430072;中国科学院海西研究院虚拟制造与仿真研究中心 福州 350108
文献出处：
引用格式：
[1]马森标;唐卫明;陈春强-.LSTM优化模型的水库水位预测研究)[J].福建电脑,2022(05):1-8
A类：
B类：
水库水位,水位预测,预测研究,水资源调度,防洪减灾,多因素影响,速变,长短时记忆神经网络,长时间序列,Attention,粒子群优化算法,全局搜索,复合模型,模型应用,福州市,RNN,改进粒子群,预测准确度
AB值：
0.179078
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
