基于滑动预测与断面嵌入机制的改进型 LSTNet水质预测模型研究

吴 明旭, 陆 嘉怡
桂林电子科技大学

摘要


在水质时序预测中，准确掌握未来多时间步水质变化趋势对水资源管理和污染预警意义重大。本文提出融
合滑动预测机制与断面嵌入的改进型LSTNet模型，以提升多断面、多变量水质数据的建模能力与预测精度。模型在
传统LSTNet基础上，引入断面嵌入层增强空间异质性感知，采用滑动预测机制通过迭代单步预测实现稳定高精度多
步输出。实验对比表明，所提模型在MSE、MAE及R2
等指标上均优于基准模型，尤其在24小时预测中稳定性与泛
化能力更优，验证了融合机制的有效性。

关键词


水质预测；多步预测；LSTNet；滑动预测；断面嵌入；深度学习

全文:

PDF


参考


[1]Lai G , Chang W C , Yang Y ,et al.Modeling Longand Short-Term Temporal Patterns with Deep Neural

Networks[J].ACM, 2018.

[2]郑鹏飞，陈立国，王明强.基于LSTM神经网络

的水质参数预测研究[J].自动化与仪器仪表，2021（03）：

74-78.

[3]Bai L, Yao Y, Ye C, et al. Improved LSTM Model

for Multi-Step Prediction of Water Quality Based on Spatial

Correlation[J]. Journal of Hydrology, 2023, 617: 129069.


Refbacks

  • 当前没有refback。