[发明专利]一种基于LSTM多状态向量序列到序列模型的径流预测方法

权利要求书

1.一种基于LSTM多状态向量序列到序列模型的径流预测方法，其特征在于步骤如下：

步骤1：准备数据集

收集研究流域内各个气象站点与径流密切相关的特征数据和径流值数据；

步骤2：原始数据集的预处理

预处理过程包括异常值处理、空值处理、标准化、数据序列化，然后将经过预处理的数据集按照年份划分出训练集、验证集、测试集三个互斥的部分；

步骤3：构建LSTM多状态向量序列到序列模型

模型整体架构包含五个部分，分别是气象信息编码器、径流编码器、一个多状态向量序列形成的状态矩阵、一个解码器和一个全连接层；

所述的状态矩阵由两个编码器的输出拼接而成，拼接公式是：

其中(h_n+1，h_n+2，...，h_n+m)是气象信息编码器的LSTM单元在最后m个时间步的隐藏状态形成的序列，h是径流编码器的LSTM单元在最后1个时间步的隐藏状态；

步骤4：训练模型

首先定义损失函数、优化器，然后前向传播算法计算损失，并且反向传播算法计算梯度，然后更新网络参数的权重；模型进行多次迭代训练，在每次迭代中，用纳什效率系数NSE衡量其在验证集下的表现；

步骤5：测试模型

将测试数据集送入迭代后的模型中运行，得到预测结果，并根据真实数据对预测结果进行评估。

2.根据权利要求1所述的一种基于LSTM多状态向量序列到序列模型的径流预测方法，其特征在于所述步骤2中，对原始数据集预处理的标准化方法公式为：其中，u_i表示标准化之后的数据，μ表示第i个特征x_i在数据集上的均值，σ表示第i个特征x_i在数据集上的标准差。

3.根据权利要求1所述的一种基于LSTM多状态向量序列到序列模型的径流预测方法，其特征在于所述步骤2中，对原始数据集预处理的数据序列化是使用滑动窗口的方式，滑动窗口进行序列化的公式如下：

其中，z_i表示序列化之后的第i个序列，x_i表示原始数据集的第i个特征，n表示原始数据集大小，l表示滑动窗口的大小。