典型文献
基于TCN-Attention模型的多变量黄河径流量预测
文献摘要：
针对河流径流量变化受到众多因素影响,具有随机性和非线性的特征,难以对其精确预测的问题,基于黄河花园口水文站2008—2012年日均流量、日降水量、日均含沙量数据,提出一种结合时间卷积神经网络(TCN)和注意力(Attention)机制的多变量TCN-Attention模型,对花园口水文站日均流量进行预测,并选取LSTM模型和TCN模型进行预测对比实验.结果表明,TCN模型和TCN-Attention模型的预测性能整体优于LSTM模型;Attention机制可以通过调整特征向量权重提升TCN模型的预测性能,与TCN模型相比,TCN-Attention模型的MAE、RMSE、MAPE值分别降低了20.25％、24.90％、24.39％;TCN-Attention模型具有较优的泛化性能,可以提升日均流量预测精度.
文献关键词：
日均流量预测;时间卷积神经网络;Attention机制;花园口水文站
中图分类号：
作者姓名：
王军;高梓勋;单春意
作者机构：
郑州大学 管理工程学院,河南 郑州450001;郑州航空工业管理学院 大数据科学研究院,河南 郑州450046
文献出处：
引用格式：
[1]王军;高梓勋;单春意-.基于TCN-Attention模型的多变量黄河径流量预测)[J].人民黄河,2022(11):20-25
A类：
日均流量预测
B类：
TCN,Attention,多变量,黄河径流量,径流量预测,流量变化,多因素影响,随机性,精确预测,黄河花园口,花园口水文站,日降水量,含沙量,时间卷积神经网络,预测性能,特征向量,重提,MAE,RMSE,MAPE,泛化性能,流量预测精
AB值：
0.232568
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。
