-
题名基于时序卷积特征过滤模型的地下水位预测方法
- 1
-
-
作者
孙均雨
徐佳磊
张黎明
王在泉
文金浩
-
机构
青岛理工大学土木工程学院
青岛北洋建筑设计有限公司
-
出处
《水文》
北大核心
2025年第4期22-28,共7页
-
基金
国家自然科学基金项目(42272329,42272334,52204140)。
-
文摘
针对神经网络模型预测长时地下水位准确度低、运算资源消耗大的问题,提出了一种基于时序卷积特征过滤网络的地下水位预测方法,该方法能保持水文时序数据信息的完整性,拥有比卷积神经网络更大的感受野,能够精准捕捉地下水位的复杂时空关系。首先对水文数据进行预处理,然后采用空洞因果卷积方法作为特征提取器,结合注意力过滤模块提取水文数据特征,最后引入残差连接缓解模型训练过程中存在的网络层数过深、梯度消失和梯度爆炸问题。分别采用本文方法(DAR)、长短期神经网络(LSTM)、门控循环单元(GRU)、卷积门控循环单元(CNN-GRU)、时序卷积网络(TCN)预测意大利Petrignano水文数据变化,本文方法训练耗时最短,预测地下水位变化最为准确,验证了本文方法的可靠性。
-
关键词
地下水位预测
时序卷积特征过滤
神经网络
空洞因果卷积
注意力过滤
-
Keywords
groundwater level prediction
dilated filtering attention residual network
neural network
dilated causal convolution
filtering attention
-
分类号
P333.9
[天文地球—水文科学]
TV121.3
[水利工程—水文学及水资源]
-
