基于CNN-LSTM-Attention和自回歸的混合水位預(yù)測(cè)模型（英文）

摘要： 【目的】水位預(yù)測(cè)對(duì)交通運(yùn)輸、農(nóng)業(yè)以及防洪措施具有重要影響。精確的水位值可用于提升水道運(yùn)輸?shù)陌踩靶省⒔档秃樗L(fēng)險(xiǎn)，同時(shí)也是保障區(qū)域可持續(xù)發(fā)展的必要條件?！痉椒ā刻岢鲆环NCRANet的混合水位預(yù)測(cè)模型，以卷積神經(jīng)網(wǎng)絡(luò)(CNN)、長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)、注意力機(jī)制以及自回歸(AR)組件為基礎(chǔ)，旨在應(yīng)對(duì)時(shí)間序列數(shù)據(jù)中存在的線性與非線性問題，緩解自回歸及ARIMA模型的缺陷。其應(yīng)...