26年WP软件工程 基于场景聚类的水位时间序列预测研究4.17-AI18.7全日(29557字).docx

IWHKJ 大学本科毕业论文摘 要流域日流量预测在防洪减灾、水资源调度和流域管理上发挥着重要作用，但是传统长短期记忆网络（Long Short-Term Memory，LSTM）模型处理极端洪峰、枯水过程、多步长预测任务时，经常出现预测精度不高、稳定性较差和泛化能力较弱等问题。为在复杂水文条件下提高预报性能，本文通过场景感知增强来预测流域日流量。本文利用 7 日滑动窗口获取降水和流量的统计特征，运用两阶段 K-means 聚类技术对水文场景进行自动识别，并通过轮廓系数找出最佳聚类数，把识别得到的场景标签做 One-hot 编码处理，作为动态嵌入特征输入改进后的 LSTM ...