期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于注意力机制与LSTM-CCN的月降水量预测 被引量：2
1
作者 周祥 张世明 +1 位作者 苏林鹏 张守平 《人民长江》 北大核心 2024年第6期129-135,共7页
针对现有月降水量预测方法预测准确性不高的问题,提出一种基于注意力机制与LSTM-CCN的月降水量预测方法。首先,利用长短时记忆神经网络(long short-term memory neural network,LSTM)提取气象数据在时间维度的特征分布,从时间相关性方... 针对现有月降水量预测方法预测准确性不高的问题,提出一种基于注意力机制与LSTM-CCN的月降水量预测方法。首先,利用长短时记忆神经网络(long short-term memory neural network,LSTM)提取气象数据在时间维度的特征分布,从时间相关性方面捕获相邻时间段或长距离气象数据段中的统计分布;其次,利用因果卷积神经网络(causal convolutional network,CCN)将气象数据映射到空间维度,深层次地从空间维度捕获气象数据在空间中的特征统计分布;再次,以并联的方式将时间和空间特征作为交叉注意力网络的输入,构造融合的时空特征;最后,以长短时记忆神经网络构造解码器,并将融合的时空特征作为解码器的输入,预测的月降水量作为输出。选取河南省新乡市2001~2017年数据集进行测试,结果表明:所提出方法的均方根误差仅为13.08 mm,相比主流方法具有更低的预测误差。研究成果可为提高气象预测的准确性和实用性提供参考。 展开更多
关键词 月降水量预测 多层注意力机制 因果卷积神经网络 长短时记忆神经网络
下载PDF
基于GRU和XGBoost算法的中小流域流量预测研究
2
作者 苏林鹏 周祥 张守平 《吉林水利》 2024年第10期72-78,共7页
中小流域的流量预测对于水资源管理和防洪工程等具有重要意义,因此针对传统小流域流量预测模型精度不高、实时性不强的问题,提出一种基于门控循环神经网络(Gate Recurrent Unit,GRU)和XGBoost的中小流域流量预测方法。在该项研究中,首... 中小流域的流量预测对于水资源管理和防洪工程等具有重要意义,因此针对传统小流域流量预测模型精度不高、实时性不强的问题,提出一种基于门控循环神经网络(Gate Recurrent Unit,GRU)和XGBoost的中小流域流量预测方法。在该项研究中,首先利用多传感器协同传输技术采集了流域内的水文数据,如降雨量和径流量,并依据GRU算法捕获数据在时序维度的关联关系。然后,将GRU模型提取的时序特征作为XGBoost模型的输入,利用XGBoost算法实现中小流域流量的预测。最后,在某真实小流域场景中采集流量数据,并根据预测数据与实际观测数据的对比和分析,评估所提出方法的有效性和准确性。实验结果显示,基于GRU和XGBoost算法的中小流域流量预测方法能够较为准确地预测流域的流量变化,为水资源管理和防洪工程提供可靠的决策依据。 展开更多
关键词 中小流域流量预测 门控循环神经网络 XGBoost 多传感器协同传输技术
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部