研究文章
复杂性预测洪水:问题定义和时空注意LSTM解决方案
|
输入:输入数据集X与n样本,每个样本是指收集的水文特性集τ州,输入初始super-parametersθ。 |
|
输出:径流值预测Y。 |
| (1) |
初始化初始super-parameters STA-LSTM模型θ和随机网络权重W1。 |
| (2) |
样指数我= 1; |
| (3) |
为我≤n做 |
| (4) |
设置当前状态t= 2,隐藏在第一状态输出
,加权隐藏输出在第一状态
; |
| (5) |
为t≤τ做 |
| (6) |
输入成t−1日空间关注模块计算空间注意体重
; |
| (7) |
完善当前的输入与空间注意体重αt通过
; |
| (8) |
输入和成tth LSTM细胞来计算当前隐藏输出
; |
| (9) |
输入和成t−1日时间关注模块计算时间注意体重
; |
| (10) |
完善当前隐藏输出与空间注意体重βt通过
。 |
| (11) |
t+ +; |
| (12) |
结束了 |
| (13) |
增加或减少的价值流失Y我=支出(
,…,
) |
| (14) |
计算RMSE与Y我和真实价值。 |
| (15) |
如果RMSE减少然后 |
| (16) |
更新模型权重:
; |
| (17) |
其他的 |
| (18) |
继续; |
| (19) |
如果 |
| (20) |
我+ +; |
| (21) |
结束了 |
| (22) |
训练过程结束并保存模型参数。 |
| (23) |
输入测试样本输出相应的预测价值Y。 |
| (24) |
计算RMSE特区和日军来测试样品。 |
|
