典型文献
基于LSTM-Attention的水质参数预测研究
文献摘要：
水质参数预测是当今绿色发展、生态修复的重要一环,但传统水质预测模型准确度低、泛化能力弱、计算复杂耗时,难以满足大数据时代下水质预测的需求.该文以江西赣州禾丰盆地的水质参数作为研究对象,根据水质参数周期性、非线性以及长时依赖的特征,提出一种结合注意力机制(Attention)和长短期记忆网络(LSTM)的模型.实验结果表明,该文提出的模型在多种评价指标下均优于循环神经网络(SimpleRNN)和LSTM,能够有效预测未来水质参数的变化趋势,具有较强的泛化性能.
文献关键词：
水质参数预测;注意力机制;长短期记忆网络
中图分类号：
作者姓名：
梁冰;田斌;洪汉玉
作者机构：
武汉工程大学 电气信息学院,武汉430205
文献出处：
引用格式：
[1]梁冰;田斌;洪汉玉-.基于LSTM-Attention的水质参数预测研究)[J].自动化与仪表,2022(03):80-84
A类：
水质参数预测,SimpleRNN
B类：
Attention,预测研究,生态修复,水质预测模型,泛化能力,江西赣州,数周,注意力机制,长短期记忆网络,循环神经网络,预测未来,泛化性能
AB值：
0.170577
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。
