人民黄河

作者：王军;高梓勋;单春意

单位：（1.郑州大学 管理工程学院，河南 郑州 450001; 2.郑州航空工业管理学院 大数据科学研究院，河南 郑州 450046）

关键词：日均流量预测;时间卷积神经网络;Attention机制;花园口水文站

针对河流径流量变化受到众多因素影响，具有随机性和非线性的特征，难以对其精确预测的问题，基于黄河花园口水文站2008—2012年日均流量、日降水量、日均含沙量数据，提出一种结合时间卷积神经网络（TCN）和注意力（Attention）机制的多变量TCN-Attention模型，对花园口水文站日均流量进行预测，并选取LSTM模型和TCN模型进行预测对比实验。结果表明，TCN模型和TCN-Attention模型的预测性能整体优于LSTM模型；Attention机制可以通过调整特征向量权重提升TCN模型的预测性能，与TCN模型相比，TCN-Attention模型的MAE、RMSE、MAPE值分别降低了20.25%、24.90%、24.39%；TCN-Attention模型具有较优的泛化性能，可以提升日均流量预测精度。

来源：2022年第11期

《人民黄河》期刊编辑部

查看人民黄河杂志2022年第11期