摘要
本发明涉及一种零样本入库洪水预测方法,其步骤为:收集各个领域包含不同特征的时间序列数据,构成模型预训练数据集;将预训练数据集输入至仅包含解码器的TimeFM模型中,学习各类时间序列数据之间的特征;收集入库洪水数据集,将入库洪水数据集划分为训练集和测试集,无需采用入库洪水训练集对TimeFM模型进行训练,直接在测试集上基于TimeFM模型进行入库洪水的预测;同时,利用入库洪水训练数据集进行常规预测模型LSTM的训练,并基于训练好的LSTM模型在测试集上进行入库洪水预测,评估未采用入库洪水训练集训练的TimeFM模型和采用入库洪水训练集训练的LSTM模型在测试集上的入库洪水预测效果。本发明提出的方法采用零入库洪水样本即可实现入库洪水预报。
技术关键词
洪水预测方法
数据
序列
残差模块
训练集
LSTM模型
样本
解码器
模型预训练
前馈神经网络
注意力模型
因子
深度学习模型
误差
编码
指标
阶段
分辨率
体育
系统为您推荐了相关专利信息
水表智能
监控终端
监测方法
数据采集模块
智能水表
机器人本体
消防机器人
机载设备
通信服务器
传感器组件