科研之友
微信
新浪微博
Facebook
分享链接
摘要
准确预测地下水位是合理开发利用地下水资源的重要依据。由于数据采集过程中可能受到环境干扰或者采集装备发生故障等，导致数据缺失，进而影响模型的预测准确度。为了在含较多缺失值的地下水位数据上获得更准确的预测结果，首先，提出了基于长短时记忆网络（long short term memory,LSTM）-因果卷积网络（temporal convolutional network,TCN）的地下水位修复模型，通过学习原数据集中的时序特性和分布特点以改善数据集质量。然后，将多头注意力机制（multi-head attention mechanism,MA）与LSTM相结合进行地下水位预测，进一步提升LSTM模型的预测性能。最后，预测结果表明，使用LSTM-TCN方法修复后的数据集训练MA-LSTM模型，显著地提高了地下水位预测精度。
- 出版日期2023
- 单位四川大学
