科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高流域径流量预报的准确率，考虑数据驱动水文模型缺乏模型透明度与物理可解释性的特性，提出了一种基于图神经网络与双阶注意力机制（GAT-DALSTM）的径流预报模型。首先，以流域站点的水文资料为基础，引入图神经网络提取流域站点的拓扑结构生成特征向量；其次，针对水文时间序列数据的特点，建立基于双阶注意力机制的径流预报模型对流域径流量进行预测，并通过基于注意力系数热点图的模型评估方法验证所提模型的可靠性与透明度。在屯溪流域数据集中，将所提模型与图卷积神经网络（GCN）和长短期记忆网络（LSTM）在各个预测步长进行比较，实验结果表明，纳什效率系数平均提高了3.7%和4.9%，验证了GAT-DALSTM径流预测模型的准确性。从水文与应用角度对注意力系数热点图进行分析，验证了模型的可靠性与应用价值。可见所提方法能为提高流域径流量的预测精度与模型透明度提供技术支撑。
- 单位
