期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于CNN-Attention-LSTM模型的地下水水位预测 被引量：2
1
作者 李小根 刘泓辰 +2 位作者 付景保 王安明 毛新宇 《水资源保护》 北大核心 2025年第4期228-235,243,共9页
为了提高地下水水位预测的准确性和稳定性,构建了一种基于卷积神经网络(CNN)、注意力机制(Attention)和长短时记忆网络(LSTM)的CNN-Attention-LSTM模型应用于地下水位预测,采用河南省某市17处观测井的实测数据对模型进行了验证,并与CNN... 为了提高地下水水位预测的准确性和稳定性,构建了一种基于卷积神经网络(CNN)、注意力机制(Attention)和长短时记忆网络(LSTM)的CNN-Attention-LSTM模型应用于地下水位预测,采用河南省某市17处观测井的实测数据对模型进行了验证,并与CNN、LSTM、CNN-LSTM、Attention-LSTM模型进行对比分析。结果表明:CNN-Attention-LSTM模型在各井位上测试集平均决定系数、平均绝对误差、均方根误差分别为0.972、0.074和0.083,相较于CNN、LSTM、CNN-LSTM、Attention-LSTM模型,该模型具有较好的平均决定系数、平均绝对误差和均方根误差指标;结合CNN、Attention和LSTM模型应用于地下水水位预测,可实现优势互补,提高水位预测的准确性和稳定性。 展开更多
关键词 地下水 水位预测 CNN-Attention-LSTM模型 河南省
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部