CN119514783A 基于双向长短期记忆循环神经网络的径流量预测方法 （国网河南省电力公司电力科学研究院）_第1页
CN119514783A 基于双向长短期记忆循环神经网络的径流量预测方法 （国网河南省电力公司电力科学研究院）_第2页
CN119514783A 基于双向长短期记忆循环神经网络的径流量预测方法 （国网河南省电力公司电力科学研究院）_第3页
CN119514783A 基于双向长短期记忆循环神经网络的径流量预测方法 （国网河南省电力公司电力科学研究院）_第4页
CN119514783A 基于双向长短期记忆循环神经网络的径流量预测方法 （国网河南省电力公司电力科学研究院）_第5页
已阅读5页，还剩19页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

院基于双向长短期记忆循环神经网络的径流本发明公开了一种基于双向长短期记忆循依次相连接的前向和反向LSTM模块、Adam优化22.根据权利要求1所述的基于双向长短期记忆循环神经网络的径流量预测方法，其特3.根据权利要求1所述的基于双向长短期记忆循环神经网络的径流量预测方法，其特4.根据权利要求1所述的基于双向长短期记忆循环神经网络的径流量预测方法，其特LSTMBiLSTM网络通道由LSTM单元串联而成，单个LSTM由细胞结构和门遗忘门的作用是筛选出从上一个细胞状态传来的有用信息，以上一LS]+bf)3]+bi)]+bo)fi5.根据权利要求4所述的基于双向长短期记忆循环神经网络的径流量预测方法，其特6.根据权利要求1所述的基于双向长短期记忆循环神经网络的径流量预测方法，其特17.根据权利要求1所述的基于双向长短期记忆循环神经网络的径流量预测方法，其特48.根据权利要求1所述的基于双向长短期记忆循环神经网络的径流量预测方法，其特5地区的经济发展和水资源的开发利用，因此高效准确的河流径流量预测十分具有现实意[0003]学者ChenLiang提出了一种基于encoder_decoder框架的长短时记忆网络方法(LSTM)对洞庭湖水位进行预测，但该方法不具备在未来数据中学习信息的能力。学者ShaoleiG等人提出了一种完全集合经验模态分解(CEEMDAN)、最小二乘支持向量机6[0025]BiLSTM网络通道由LSTM单元串联而成，单个LSTM由细胞]+bf)]+bi)7]+bo)8[0057]参照图1～3，本发明实施例基于双向长短期记忆循环神经网络的径流量预测方9[0069]BiLSTM网络通道由LSTM单元串联而成，单个LSTM由细胞]+bf)]+bi)]+bo)[0096]Dropout可以让在模型训练时随机令一些网络节点失效，这样可以使得每个隐藏单元层变得更加健壮，减少对其他隐藏单元的依赖，减少了神经元之间复杂的适应关系，[0099]Dense全连接层是一个普通的全连接前馈神经网络，用来对BiLSTM的多维状态向[0104]根据图4可以明显看出BP神经网络在训练过程中出现的波动

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论