CNLSTM模型预测城市积水

摘要：

物联网平台能够为积水预测提供海量的传感器时间序列数据基础.为了精准且快速地预测城市内涝点积水趋势,提出一种基于神经网络的组合时序预测模型(CNLSTM),对多变量积水时间序列数据进行建模预测.此模型利用卷积神经网络(convolutional neural network,CNN)提取多变量数据之间的空间特征,得到具有空间相关性的特征量,利用长短时记忆网络(long short-term memory,LSTM)提取特征量之间的时间相关性预测未来积水水位.仿真结果表明,所提预测模型可以很好地捕获积水点水位与各输入量之间的非线性关系,并且比CNN,LSTM以及反向传播(back propagation,BP)神经网络具有能更好拟合实际水位的效果,更高的精度和泛化能力.此模型在城市积水预测中的有效性和适用性得到了验证,能够为积水点的提前预警、准备及汛前、汛中汛后治理方案的制定提供可靠的参考依据.

关键词：物联网;卷积神经网络(CNN);长短时记忆网络(LSTM);积水预测

所属期刊栏目：33

分类号：TN929.5

资助基金：重庆市技术创新与应用发展专项重点项目cstc2019jscx-fxyd0210

在线出版日期：2021-08-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：529-535