基于注意力模型长短时记忆网络的洪水预测方法技术

本发明专利技术公开了一种基于注意力模型长短时记忆网络的洪水预测方法，包括采集洪水相关数据，洪水相关数据包括不同时间点的流量和洪水因子；在长短时记忆网络中引入注意力模型，构建基于注意力模型长短时记忆网络；用标准化后的洪水相关数据对基于注意力模型长短时记忆网络进行训练；利用训练后的基于注意力模型长短时记忆网络进行洪水预测。本发明专利技术保留了原有长短时记忆网络的序列建模能力，引入了注意力模型，使用循环方案来优化，它将局部情境信息描述为一种权重方案，忽略了一些对于预测没有用处的洪水因子，大大缩短了预测平均时间，同时也增加了准确性。

Flood Forecasting Method Based on Attention Model Long-term and Short-term Memory Network

The invention discloses a flood forecasting method based on attention model long-term and short-term memory network, which includes collecting flood-related data, flood-related data including flow and flood factors at different time points; introducing attention model into long-term and short-term memory network, constructing long-term and short-term memory network based on attention model; and using standardized flood-related data to attention model-based. The long-term and short-term memory network (LTSMN) is trained, and flood forecasting is carried out using the trained LTSMN based on attention model. The method retains the sequence modeling ability of the original long-term and short-term memory network, introduces the attention model and uses the cyclic scheme to optimize. It describes the local situation information as a weighting scheme, ignores some flood factors that are not useful for forecasting, greatly shortens the average forecasting time, and also increases the accuracy.

【技术实现步骤摘要】
基于注意力模型长短时记忆网络的洪水预测方法
本专利技术涉及一种基于注意力模型长短时记忆网络的洪水预测方法，属于洪水预测领域。
技术介绍
洪水作为最常见和最分散的自然灾害之一，经常给人们带来了毁灭性的灾害。如果我们能够通过事先预测序列流量值来准确预测洪水，那么可以节省数以百计的生命和财产数量。在过去的十年中，来自模式识别和水文学界的研究人员提出了多种方法来构建精确、稳健的洪水预报模型，具体分为两类，即水文模型和数据驱动模型，现在常用的是数据驱动模型，通常基于历史收集的洪水因子(例如，前期降雨量、河流径流量等)估算河流流量，但是收集的洪水因子并非都具有代表性、都对洪水预测有意义，甚至有些洪水因子可能会带来噪声以致于降低洪水预测的准确性。
技术实现思路
本专利技术提供了一种基于注意力模型长短时记忆网络的洪水预测方法，解决了传统方法中无意义洪水因子带来噪声，降低洪水预测准确性的问题。为了解决上述技术问题，本专利技术所采用的技术方案是：基于注意力模型长短时记忆网络的洪水预测方法，包括，采集洪水相关数据，洪水相关数据包括不同时间点的流量和洪水因子；在长短时记忆网络中引入注意力模型，构建基于注意力模型本文档来自技高网...

【技术保护点】
1.基于注意力模型长短时记忆网络的洪水预测方法，其特征在于：包括，采集洪水相关数据，洪水相关数据包括不同时间点的流量和洪水因子；在长短时记忆网络中引入注意力模型，构建基于注意力模型长短时记忆网络；用标准化后的洪水相关数据对基于注意力模型长短时记忆网络进行训练；利用训练后的基于注意力模型长短时记忆网络进行洪水预测。

【技术特征摘要】
1.基于注意力模型长短时记忆网络的洪水预测方法，其特征在于：包括，采集洪水相关数据，洪水相关数据包括不同时间点的流量和洪水因子；在长短时记忆网络中引入注意力模型，构建基于注意力模型长短时记忆网络；用标准化后的洪水相关数据对基于注意力模型长短时记忆网络进行训练；利用训练后的基于注意力模型长短时记忆网络进行洪水预测。2.根据权利要求1所述的基于注意力模型长短时记忆网络的洪水预测方法，其特征在于：注意力模型接收长短时记忆网络上一个单元的输出；注意力模型的输出为长短时记忆网络下一个单元的标准化输入分配概率权重。3.根据权利要求2所述的基于注意力模型长短时记忆网络的洪水预测方法，其特征在于：注意力模型处理数据的过程为，注意力模型接收长短时记忆网络上一个单元的输出，根据各时刻隐状态向量的能量值分别计算各时刻隐状态所对应的注意力概率权重；采用S型激活函数将概率分布结果从0到1归一化，得到学习权重。4.根据权利要求3所述的基于注意力模型长短时记忆网络的洪水预测方法，其特征在于：学习权重公式为，lt～d(sig(fp(ht；θp)))其中，lt为学习权重，d()为概率分布函数，ht为长短时记忆网络单元的输出，fp()为全连接神经网络函数，sig()为S型激活函数，θp为训练过程中全连接神经网络的学...

【专利技术属性】
技术研发人员：巫义锐，王晓珂，徐维刚，冯钧，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32