[发明专利]基于LSTM网络的水工建筑物多效应量优化预测及可视化方法

权利要求书

1.一种基于LSTM网络的水工建筑物多效应量优化预测及可视化方法，其特征在于，包括以下步骤：

获取原型观测资料；

对所述原型观测资料进行预处理，并将预处理后的数据集划分成为训练集、验证集以及测试集；

利用所述训练集、验证集以及测试集构造LSTM预测模型，即LSTM网络；

对所述LSTM网络进行超参数调试，从而优化LSTM算法；

利用直接多步预测方法对所述LSTM预测模型进行外延预测；以及

采用t-SNE技术对LSTM网络相关性学习进行可视化表征，即完成了基于LSTM网络的水工建筑物多效应量优化预测及可视化。

2.根据权利要求1所述的水工建筑物多效应量优化预测及可视化方法，其特征在于，所述对所述原型观测资料进行预处理包括数据清洗、降噪平滑、数据变换和数据均匀化。

3.根据权利要求1所述的水工建筑物多效应量优化预测及可视化方法，其特征在于，所述利用所述训练集、验证集以及测试集构造LSTM预测模型的步骤中的LSTM预测模型由一个输入层、多个隐藏层和一个输出层构成，上一个隐藏层的输出作为下一个隐藏层的输入，输入层与隐藏层共同实现输入效应量数据特征的提取，最后一个隐藏层的输出为一维列向量，经线性回归即得到处理后效应量数据的预测值。

4.根据权利要求1所述的水工建筑物多效应量优化预测及可视化方法，其特征在于，所述LSTM网络的记忆模块由遗忘门输入门和输出门构成；遗忘门控制上一时刻内部状态需遗忘的信息量，输入门控制当前时刻候选状态需保存的信息量，而输出门则控制当前时刻内部状态需输出给外部状态的信息量；其对应计算过程如下：

(1)利用上一时刻外部状态和当前时刻输入计算出和如式(1)-(3)；

(2)结合和更新记忆单元状态如式(4)；

(3)通过将信息传递给如式(5)-(6)；

其中，σ(·)、tanh(·)分别为Sigmoid函数和双曲正切函数；w、b分别为权重矩阵和偏置向量；⊙表示两向量的标量积。

5.根据权利要求1所述的水工建筑物多效应量优化预测及可视化方法，其特征在于，所述对所述LSTM网络进行超参数调试，从而优化LSTM算法的步骤具体包括：

构建深层LSTM网络，采用堆叠集成方法将多个LSTM网络进行叠加和组合，得到集成LSTM网络，进行一元时序预测，直接根据历史监测数据对效应量未来变化趋势进行外延分析；以及

进行超参数调试。

6.根据权利要求5所述的水工建筑物多效应量优化预测及可视化方法，其特征在于，所述进行超参数调试是通过粒子群优化算法实现的，对时间窗口长度w_t、隐藏层数n_h、各隐藏层节点数n_n、学习率l_r和优化迭代次数n_i等超参数进行迭代优化，选取对应适应度值最小的超参数组合