【技术实现步骤摘要】
本申请实施例涉及机器学习，特别涉及一种基于横纵注意力的中长期径流预测方法。
技术介绍
1、径流预测是一门重要的学科，其在水文相关领域有着广泛的应用。基于时间分辨率的不同，径流预测可以分为短期径流预测（小时、日等）和中长期径流预测（周、旬、月等）。短期径流预测在防洪、大坝建设、污水处理和城市排水管理等各种应用中发挥着至关重要的作用，中长期径流预测则广泛与水库作业、农业规划、干旱缓解、供水管理、发电规划、水资源规划与管理、气候变化影响研究、干旱灾害预警和生态系统保护等方面紧密相关。
2、径流预测方法主要分为两种，即过程驱动方法和数据驱动方法。传统的径流预测模型往往是基于过程驱动的，适用于短期径流预测，常常需要考虑地形、土壤类型、植被覆盖等多个因素，且难以精确描述水文过程中的高度非线性关系。数据驱动的方法则可以通过学习输入数据的模式，减少对这些复杂物理过程的依赖程度，从而简化模型结构。与短期径流预测不同，中长期径流预测的数据时间跨度长，难以利用机理模型进行描述，未来气象和水文变化的不确定性等因素都是中长期径流预测所面临的挑战。由于...
【技术保护点】
1.一种基于横纵注意力的中长期径流预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于横纵注意力的中长期径流预测方法，其特征在于，所述序列注意力模块的输入为和，和的形状均为，所述周期注意力模块的输入为和，为的转置，为的转置，和的形状均为，所述序列注意力模块和所述周期注意力模块的组成相同，均由输入变换层、位置嵌入操作单元、编码器、解码器和输出变换操作单元组成；
3.根据权利要求2所述的一种基于横纵注意力的中长期径流预测方法，其特征在于，所述序列注意力模块的输入变换层在特征维度上进行升维操作和所述周期注意力模块的输入变换层在序列长度维度上...
【技术特征摘要】
1.一种基于横纵注意力的中长期径流预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于横纵注意力的中长期径流预测方法，其特征在于，所述序列注意力模块的输入为和，和的形状均为，所述周期注意力模块的输入为和，为的转置，为的转置，和的形状均为，所述序列注意力模块和所述周期注意力模块的组成相同，均由输入变换层、位置嵌入操作单元、编码器、解码器和输出变换操作单元组成；
3.根据权利要求2所述的一种基于横纵注意力的中长期径流预测方法，其特征在于，所述序列注意力模块的输入变换层在特征维度上进行升维操作和所述周期注意力模块的输入变换层在序列长度维度上进行升维操作，通过以下公式实现：
4.根据权利要求2所述的一种基于横纵注意力的中长期径流预测方法，其特征在于，所述多头自注意力子层和所述多头交叉注意力子...
【专利技术属性】
技术研发人员：张秀伟，尹翰林，晁志龙，张小玲，张艳宁，郑启睿，王兆鑫，朱明转，赵黎阳，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。