基于注意力机制的LSTM长江汛期水位预测方法研究OACSTPCD
An Attention Mechanism-Based LSTM Method for Predicting Water Level of the Yangtze River in Flood Season
为提高长短期记忆网络(Long Short-Term Memory,LSTM)在水位预测任务中的准确性,以及提高LSTM对数据中时空信息的利用率,本文提出了一种基于Softmax函数的注意力模块,并将其应用在LSTM的输入前,使模型可以根据输入数据中的时间和空间信息,自主地生成带有权重的词义向量,并赋予输入序列时间和空间注意力权重值.注意力机制增强了LSTM模型对时间序列的处理能力,同时使LSTM模型能够对数据空间信息具备一定的应对能力.最后在长…查看全部>>
王迎飞;黄应平;肖敏;熊彪;周爽爽;靳专
三峡大学计算机与信息学院,湖北 宜昌 443002湖北省农田环境监测工程技术研究中心(三峡大学) ,湖北宜昌 443002湖北省农田环境监测工程技术研究中心(三峡大学) ,湖北宜昌 443002三峡大学水利与环境学院,湖北宜昌 443002三峡库区生态环境教育部工程研究中心(三峡大学) ,湖北宜昌 443002三峡大学计算机与信息学院,湖北 宜昌 443002
建筑与水利
注意力机制水位预测长短期记忆网络长江
《三峡大学学报（自然科学版）》 2022 (3)
自然水体的水力空化自净作用新途径与规律研究
13-19,7
国家自然科学基金(22136003)湖北省引智项目(2019BJH004)长江水环境教育部重点实验室(同济大学)开放基金项目(YRWEF202103)宜昌市自然科学研究项目(A22-3-005)
评论