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

近日，水利與環(huán)境工程學院2019級博士研究生鄒勇松（導師：王進教授）的研究論文“A novel multi-step ahead forecasting model for flood based on time residual LSTM”被水利學科領域的知名期刊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

準確可靠的多步洪水預測對生命和財產(chǎn)具有重要意義。最近，水文學研究人員越來越傾向于使用循環(huán)神經(jīng)網(wǎng)絡（RNN）進行洪水預測，因為RNN能夠捕捉歷史依賴關系，簡化計算過程并提供比傳統(tǒng)模型更準確的預測結果。然而，基于RNN的洪水預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)，導致梯度問題（如梯度消失和梯度爆炸），會使訓練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)洪水預測模型的輸出確定性的單點預測，然而流域的自然水文特征是非線性且復雜的系統(tǒng)，受許多隨機因素影響。因此，文中采用概率方法進行建模。為此，將一種名為"Autoregressive Recurrent Networks"（DeepAR）的概率預測模型引入到洪水預測模型中。

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

作者介紹：

王進，教授，博導，IET Fellow，IEEE高級會員，中國通信學會高級會員，中國計算機學會高級會員，湖南省物聯(lián)網(wǎng)學會副理事長，湖南省計算機學會常務理事。目前主要研究領域有移動自主網(wǎng)(MANET)，車聯(lián)網(wǎng)（VANET），無線傳感網(wǎng)(WSN)，物聯(lián)網(wǎng)(IoT)及其應用。近年來，發(fā)表SCI論文100余篇；申請或授權發(fā)明專利30余項。

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