基于GAT-BILSTM-Res的水质预测模型
针对水质数据在时间维度的依赖关系以及水质监测站点在空间维度的依赖关系,基于海河流域天津段实际监测的历史水质数据,设计了有效提取时空特征的方法,提出一种融合图注意力网络(GAT)、双向长短期记忆网络(Bi-LSTM)以及残差块(ResBlock)的时空水质预测模型(GAT-BILSTM-Res).该模型首先通过GAT捕获水质监测站点之间的拓扑关系,建立空间相关性模型;同时通过Bi-LSTM捕捉水质监测数据的动态变化,并对时间相关性进行建模;然后将时空特征融合,输入残差块;最后使用全连接层对预测结果进行输出.实验结果表明,相较于基线模型,该模型能够实现 6.6%~25.2%的性能提升.
水质预测、图注意力网络、双向长短时记忆网络、残差块
30
X52(水体污染及其防治)
天津市科技计划项目22YDTPJC00840
2024-01-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
60-65