基于长短时记忆网络与自注意力机制的水泵流量预测方法

本发明提出了一种基于长短时记忆网络与自注意力机制的水泵流量预测方法，包括如下步骤：步骤1：采集水泵不同时间的瞬时流量值；步骤2：利用小波变换，使用Daubechies 4小波基函数对得到的流量数据进行滤波处理；步骤3：对于步骤2得到的数据，进行归一化操作并划分数据集；步骤4：构建基于LSTM和Self‑Attention机制的组合模型。具体地，构建了包括LSTM、Self‑Attention、Dense全连接层和Dropout层在内的深度神经网络模型；步骤5：建立损失函数；步骤6：训练模型并预测，使用步骤3中划分的训练集作为训练数据，预测集作为预测数据，对模型进行训练并预测。本发明采用了深度学习技术，结合了LSTM和Self‑Attention机制，能够更准确地预测水泵的流量，相比传统方法具有更高的预测准确性。