← 返回列表
基于ILSTM的内涝水深预测与多因子时序分析方法
申请人信息
- 申请人:南京师范大学
- 申请人地址:210024 江苏省南京市鼓楼区宁海路122号
- 发明人: 南京师范大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于ILSTM的内涝水深预测与多因子时序分析方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311627361.4 |
| 申请日 | 2023/11/30 |
| 公告号 | CN117332702A |
| 公开日 | 2024/1/2 |
| IPC主分类号 | G06F30/27 |
| 权利人 | 南京师范大学 |
| 发明人 | 张书亮; 陈意文; 金恒旭; 杨祺琪; 赵宇; 鹿鹏程; 杨乐天; 郑上华; 严武杰 |
| 地址 | 江苏省南京市仙林大学城文苑路1号 |
摘要文本
本发明提出了一种基于ILSTM(Interpretable Long Short Term Memory)的内涝水深预测与多因子时序分析方法，具体如下：改进传统LSTM的隐藏层更新方式以及引入注意力机制得到本研究所采用的神经网络ILSTM；获得研究区影响水深的可能因子数据以及实时监测内涝水深数据，对数据进行数据预处理，包括卡尔曼滤波法进行异常数据处理、数据标准化，划分数据集为训练集、验证集以及测试集。采用训练集进行模型训练并采用验证集进行超参数自动搜索调优算法给出具有区域特点的一组超参数，设定超参数后得到模型。测试集输入模型得到水深结果以及多因子时序贡献，采用均方根误差、拟合优度评估最终预测结果的准确性。模型捕获多因子的时序状态并且在模拟精度以及物理解释性上均有说服力。
专利主权项内容
1.一种基于ILSTM的内涝水深预测与多因子时序分析方法，其特征在于，包括以下步骤：S1：获取目标地区的水文气象数据作为样本数据以及对数据进行预处理；S2：构建由混合注意力机制融合的多层多参数内涝水深预测模型ILSTM；S3：对步骤S1所得的样本数据进行标准化操作，划分样本数据为训练集、验证集和测试集；S4：将步骤S3所得的训练集和验证集输入S2构建的内涝水深预测模型中，设置模型参数进行训练评估并使用超参数自动搜索和优化；S5：确定最优模型，利用测试集实现内涝水深预测；S6：在步骤S4的预测过程中捕获不同输入因子的时序变化动态，生成各因子时序贡献曲线；其中，步骤S2中ILSTM结构设计包括以下步骤：S21：ILSTM的层设计；S22：生成时序多因子贡献度；S23：混合注意机制设置。