我院2019級博士研究生鄒勇松在水利學(xué)科領(lǐng)域期刊Journal of Hydrology發(fā)表高水平論文

近日，水利與環(huán)境工程學(xué)院2019級博士研究生鄒勇松（導(dǎo)師：王進(jìn)教授）的研究論文“A novel multi-step ahead forecasting model for flood based on time residual LSTM”被水利學(xué)科領(lǐng)域的知名期刊Journal of Hydrology（IF=6.708）接收并刊出。

文章鏈接：https://doi.org/10.1016/j.jhydrol.2023.129521；

引用格式：Zou, Y., Wang, J., Lei, P., & Li, Y. (2023). A novel multi-step ahead forecasting model for flood based on time residual LSTM. Journal of Hydrology, 620, 129521.

成果介紹

準(zhǔn)確可靠的多步洪水預(yù)測對生命和財(cái)產(chǎn)具有重要意義。最近，水文學(xué)研究人員越來越傾向于使用循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）進(jìn)行洪水預(yù)測，因?yàn)镽NN能夠捕捉歷史依賴關(guān)系，簡化計(jì)算過程并提供比傳統(tǒng)模型更準(zhǔn)確的預(yù)測結(jié)果。然而，基于RNN的洪水預(yù)測模型面臨兩個主要挑戰(zhàn)。

首先，由于RNN的時間串聯(lián)性質(zhì)，導(dǎo)致梯度問題（如梯度消失和梯度爆炸），會使訓(xùn)練RNN模型變得困難。為了解決這個問題，我們提出了一種名為"Residual Long Short-Term Memory"（ResLSTM）的模型，在LSTM的時間連接中引入了時間殘差連接。

其次，大多數(shù)洪水預(yù)測模型的輸出確定性的單點(diǎn)預(yù)測，然而流域的自然水文特征是非線性且復(fù)雜的系統(tǒng)，受許多隨機(jī)因素影響。因此，文中采用概率方法進(jìn)行建模。為此，將一種名為"Autoregressive Recurrent Networks"（DeepAR）的概率預(yù)測模型引入到洪水預(yù)測模型中。

接著，結(jié)合DeepAR和四種改進(jìn)的RNN（包括我們的ResLSTM模型、LSTM、GRU和TFC-SGRU）構(gòu)建了四種洪水概率預(yù)測模型。使用美國帕賽克河和拉馬波河流域的長期水文數(shù)據(jù)對這些模型進(jìn)行了評估。結(jié)果表明，這四個模型的預(yù)測區(qū)間能更好的適應(yīng)洪水的不確定性。在90%的概率置信區(qū)間內(nèi)，洪峰流量的預(yù)測準(zhǔn)確率達(dá)到了100%。

作者介紹：

王進(jìn)，教授，博導(dǎo)，IET Fellow，IEEE高級會員，中國通信學(xué)會高級會員，中國計(jì)算機(jī)學(xué)會高級會員，湖南省物聯(lián)網(wǎng)學(xué)會副理事長，湖南省計(jì)算機(jī)學(xué)會常務(wù)理事。目前主要研究領(lǐng)域有移動自主網(wǎng)(MANET)，車聯(lián)網(wǎng)（VANET），無線傳感網(wǎng)(WSN)，物聯(lián)網(wǎng)(IoT)及其應(yīng)用。近年來，發(fā)表SCI論文100余篇；申請或授權(quán)發(fā)明專利30余項(xiàng)。

鄒勇松，長沙理工大學(xué)水利與環(huán)境工程學(xué)院19級博士研究生，中國第十五屆大學(xué)生年度人物，主要從事洪水預(yù)測及其算法研究，共發(fā)表SCI論文3篇，申請專利5項(xiàng)。