典型文献
基于EMD-ATT-BiLSTM的径流量预测模型研究
文献摘要：
准确可靠的径流预报在水资源的优化管理中发挥着越来越重要的作用.为了提高预测精度,提出了一种神经网络模型,来进行日径流预报.此模型将经验模态分解(EMD)方法、注意力机制、BiLSTM神经网络相结合,并且对输入数据采用了插值方法来提升精确度.EMD方法能够将非稳态非线性的径流时间序列分解成多组本征模态分量和趋势项,实现输入时间序列的稳态化,再经过注意力机制赋予时间序列不同关注度,然后通过BiLSTM分别预测再重构.将该模型应用于四川省宣汉县的清溪河站点的每日径流数据上,与另外三种神经网络模型即LSTM、ATT-LSTM和ATT-BiLSTM模型进行对比,其结果证实了该模型的优越性.结果表明,提出的组合模型具有更好的性能,其纳什效率系数为0.957,平均绝对误差为1.73,均方根误差为2.88.因此,EMD-ATT-BiLSTM模型是一种可行的日径流预报方法.
文献关键词：
径流预测;插值;长短期记忆神经网络;注意力机制;EMD
中图分类号：
作者姓名：
陈良;毕晓英;周新志
作者机构：
四川大学电子信息学院,成都 610065
文献出处：
引用格式：
[1]陈良;毕晓英;周新志-.基于EMD-ATT-BiLSTM的径流量预测模型研究)[J].现代计算机,2022(01):18-24
A类：
B类：
EMD,ATT,BiLSTM,径流量预测模型,优化管理,日径流预报,经验模态分解,注意力机制,输入数据,插值方法,非稳态,流时,时间序列分解,分解成,本征模态分量,趋势项,稳态化,再经,模型应用,宣汉县,清溪,溪河,径流数,流数据,组合模型,纳什,平均绝对误差,预报方法,径流预测,长短期记忆神经网络
AB值：
0.318509
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。
