基于注意力机制的LSTM长江汛期水位预测方法研究

作者：王迎飞; 黄应平; 肖敏; 熊彪; 周爽爽; 靳专

来源：三峡大学学报(自然科学版), 2022, 44(03): 13-19.

DOI：10.13393/j.cnki.issn.1672-948x.2022.03.003

• 注意力机制
• 水位预测
• 长短期记忆网络
• 长江

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.最后在长江汛期的水位数据上进行预测试验，以EMAE、ERMSE、EMAPE和R2作为评价指标，将所提出的模型与原始LSTM模型进对比，同时分析了权重分布情况.结果表明，该模型对水位预测的精度有明显提升，应用了时空注意力机制的LSTM（AT-LSTM）相比于原始LSTM,EMAE、ERMSE和EMAPE分别降低了21.77%、31.15%和17.4%,R2提高了9.69%.

• 单位
  三峡大学