一种基于时间序列的河流短期流量预测方法

本发明公开了一种基于时间序列的河流短期流量预测方法，基于传统LSTM时间序列预测模型，采用注意力机制对不同时间步长的关注度进行改进，使模型中的资源得到高效应用，提高了模型的流量预测性能；采用ROA算法对LSTM模型的门控机制方面进行优化，增强了模型对时间序列数据的长期依赖建模能力，能有效避免梯度消失问题；采用ROA算法对于LSTM模型中自适应激活函数进行参数调整，提高了模型对非线性关系的捕捉能力，从而增强LSTM在预测任务中的泛化能力与鲁棒性。本发明方法通过构建ROA‑LSTM联合模型，能准确地预测河流短期内的流量变化，更加灵敏地反映流量变化波动趋势，对峰值的预测更加准确。