基于改進ROA-LSTM時間序列的長江短期流量預測

摘要： 為了更準確地預測長江流量的短期時序變化，克服傳統(tǒng)LSTM模型在時間序列預測中參數(shù)選擇困難和易陷入局部最優(yōu)解的問題，通過將WOA算法與SFO算法改進的ROA優(yōu)化算法與注意力機制相結合，構建了ROA優(yōu)化算法與LSTM模型相結合的時間序列預測組合模型ROA-LSTM。將該模型的預測結果與聲層析系統(tǒng)的實測長江流量數(shù)據(jù)進行對比分析，在三日以內(nèi)的短期預測中，該模型相比傳統(tǒng)RNN模型預測準確... （共7頁）

深度學習 短期流量預測 改進ROA-LSTM 注意力機制 參數(shù)優(yōu)化