LSTM优化模型的水库水位预测研究

作者：马森标; 唐卫明; 陈春强

来源：福建电脑, 2022, 38(05): 1-8.

DOI：10.16707/j.cnki.fjpc.2022.05.001

• 水库水位
• 粒子群优化算法
• LSTM
• Attention
• 预测模型

提高水库水位的预测精度对水库的水资源调度、防洪减灾、安全管理等方面具有重大意义。但水库水位的变化受到众多因素影响，特别是近年来异常气候的增多，水库水位的快速变化也有增多的趋势，水库水位的变化与各因素之间并非简单的线性关系。本文利用长短时记忆神经网络(LSTM)在处理长时间序列问题上的优势和Attention机制能够对不同的特征赋予不同的权重，以及粒子群优化算法自适应全局搜索的优势，提出了将粒子群LSTM-Attention复合模型应用于福州市某水库水位预测的思路。结果表明相对于粒子群RNN优化模型、粒子群LSTM优化模型等水库水位预测模型，本文提出的改进粒子群LSTM-Attention优化模型具有更高的预测准确度。

• 单位
  武汉大学; 中国科学院; 中国科学院福建物质结构研究所