融合長短時記憶與圖結(jié)構(gòu)學(xué)習(xí)的水庫水位預(yù)測

打開文本圖片集

摘要： 水庫水位變化受降雨、泄洪、蒸發(fā)等眾多因素影響，現(xiàn)有水庫水位預(yù)測方法的預(yù)測精度有待提升。為此，提出一種融合長短期記憶網(wǎng)絡(luò)（long short-term memory，LSTM）和圖卷積神經(jīng)網(wǎng)絡(luò)（graph convolution neural network，GCN）的水庫水位預(yù)測模型。該模型首先借助LSTM提取水位與相關(guān)影響因素的時序依賴特征；隨后，設(shè)計圖結(jié)構(gòu)學(xué)習(xí)模塊，自動捕捉水位及不同影響因素間的關(guān)聯(lián)關(guān)系；最后利用GCN進行表征學(xué)習(xí)和預(yù)測。（剩余8160字）