典型文献
基于注意力机制的LSTM长江汛期水位预测方法研究
文献摘要：
为提高长短期记忆网络(Long Short-Term Memory,LSTM)在水位预测任务中的准确性,以及提高LSTM对数据中时空信息的利用率,本文提出了一种基于Softmax函数的注意力模块,并将其应用在LSTM的输入前,使模型可以根据输入数据中的时间和空间信息,自主地生成带有权重的词义向量,并赋予输入序列时间和空间注意力权重值.注意力机制增强了LSTM模型对时间序列的处理能力,同时使LSTM模型能够对数据空间信息具备一定的应对能力.最后在长江汛期的水位数据上进行预测试验,以EMAE、ERMSE、EMAPE和R2作为评价指标,将所提出的模型与原始LSTM模型进对比,同时分析了权重分布情况.结果表明,该模型对水位预测的精度有明显提升,应用了时空注意力机制的LSTM(AT-LSTM)相比于原始LSTM,EMAE、ERMSE和EMAPE分别降低了21.77％、31.15％ 和17.4％,R2提高了9.69％.
文献关键词：
注意力机制;水位预测;长短期记忆网络;长江
中图分类号：
作者姓名：
王迎飞;黄应平;肖敏;熊彪;周爽爽;靳专
作者机构：
三峡大学计算机与信息学院,湖北 宜昌 443002;湖北省农田环境监测工程技术研究中心(三峡大学) ,湖北宜昌 443002;三峡大学水利与环境学院,湖北宜昌 443002;三峡库区生态环境教育部工程研究中心(三峡大学) ,湖北宜昌 443002
文献出处：
引用格式：
[1]王迎飞;黄应平;肖敏;熊彪;周爽爽;靳专-.基于注意力机制的LSTM长江汛期水位预测方法研究)[J].三峡大学学报（自然科学版）,2022(03):13-19
A类：
EMAE,EMAPE
B类：
汛期,水位预测,长短期记忆网络,Long,Short,Term,Memory,中时,时空信息,Softmax,注意力模块,输入数据,空间信息,词义,空间注意力,注意力权重,权重值,处理能力,数据空间,应对能力,ERMSE,权重分布,时空注意力机制,AT
AB值：
0.304728
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。
