科研之友
微信
新浪微博
Facebook
分享链接
摘要
为更准确地预测中小河流水文时间序列变化,建立改进粒子群优化算法(PSO)与长短期记忆神经网络(LSTM)结合的预测模型。提出利用非线性惯性权重变化,加入自适应变异等操作的方法,改善PSO的寻优能力;实现LSTM与注意力机制(attention mechanism)的结合,建立PSO-LSTM组合模型,改变传统LSTM在水文预测中参数选取困难、预测不精准的情况,提高对水文时间序列的拟合能力。通过实验验证了在复杂的水文数据处理中,该模型能更好地适用于中小河流水文时间序列预测。
- 出版日期2022
