摘要
本发明公开了一种融合时空特征的积水深度预测方法,具体为:步骤1:获取每个积水监测站的积水深度时间序列数据Ri、降水时间序列数据Hi、积水监测站的经纬度以及第i个积水监测站与其他积水监测站之间的距离;步骤2:基于滑动窗口法对原始积水深度时间序列数据进行预处理;步骤3:根据积水监测站之间的关系建立N×N维的带有权重的节点关系矩阵A';将预处理后的积水深度时间序列数据和对应的降水时间序列数据组成特征矩阵X;步骤4:构建积水深度预测模型,将特征矩阵X与节点关系矩阵A'作为积水深度预测模型,对积水深度预测模型进行训练;步骤5:采用训练好的积水深度预测模型对积水深度进行预测。本发明提高了积水预测的准确性。
技术关键词
积水
深度预测方法
融合时空特征
深度预测模型
监测站
矩阵
空间特征提取
深度特征融合
特征提取模块
节点
序列
滑动窗口
切比雪夫
残差模块
关系
长短期记忆网络
数据
多项式
重构
时序
系统为您推荐了相关专利信息
多模态数据融合
内容分发方法
标签体系
机器学习算法
场景
变形控制支护结构
隧道大变形
智能控制器
可调支撑组件
弧形板
城市地下管线
防控管理系统
特征提取网络
深度学习模型
管理方法