论文总字数：14222字

摘 要

随着近些年全球气候变暖，导致全球极端气候异常，降水量等数据也发生了许多变化，急需对降雨径流的数据进行监控预测，以便未雨绸缪，能在适当的时期适当的年份进行合适的预防情况，防止降雨量过低带来的干旱以及降雨量过高带来的城市内涝和农田自害。
本设计利用收集到的历史降雨径流数据，并且采取当下先进的数据预测模型来完成径流数据的预测。设计中通过对一些强大的数据预测模型的分析与研究，选择基于Keras的LSTM多变量时间序列预测模型及注意力机制的神经网络模型来实现指定流域上降雨径流的预测，将预测结果与实际观测数据进行对比分析，实验结果表明所选模型取得了较好的预测效果。设计中选用python语言进行模型的训练和预测实现。

关键字：数据预测 降雨径流 LSTM 注意力机制

Research and realization of rainfall runoff forecast method

Abstract

With the global warming in recent years, the global extreme climate is abnormal, and many changes have taken place in the data of precipitation and so on. It is urgent to monitor and predict the data of rainfall runoff, so as to prepare for a rainy day, to prevent the drought caused by low rainfall and urban waterlogging and farmland self harm caused by high rainfall in a proper period and year.

This design uses the collected historical rainfall runoff data, and adopts the current advanced data prediction model to complete the runoff data prediction. In the design, through the analysis and research of some powerful data prediction models, we choose the LSTM multi variable time series prediction model based on keras and the neural network model of attention mechanism to realize the prediction of rainfall runoff in the designated watershed. The prediction results are compared with the actual observation data. The experimental results show that the selected model has achieved good prediction results. In the design, python language is used for model training and prediction.

Key words: LSTM attention mechanism of data prediction rainfall runoff

目录

摘要 I

Abstract II

第一章 绪论 1

1.1课题研究背景 1

1.2研究现状 2

1.3可行性分析 3

1.3.1技术可行 3

1.3.2政策可行 4

1.3.3实现可行性 4

第二章 开发工具 5

2.1 python 5

2.2 Anaconda 5

2.3 spyder 5

2.4深度学习库 6

第三章 降雨径流预测模型的设计 7

3.1 LSTM（长短期记忆网络） 7

3.2注意力机制 8

3.3实验数据 10

3.4数据预测 14

3.6误差分析 15

第四章 预测结果的呈现与分析 20

4.1LSTM（长短期记忆网络）预测结果 20

4.2注意力机制预测结果 21

第五章 总结与展望 26

1.总结 26

2.展望： 27

参考文献 30

致谢 33

第一章 绪论

1.1课题研究背景

受到全球气候变暖的极具影响，很多国家和地区备受极端天气的影响，极端天气在全球以及造成了许许多多的经济损失，降雨量成为了许多地区关注的问题，降雨量直观反应了这一地区在这一时期气候的变化情况，从而让人们意识到研究降雨量的变化情况，并预测降雨量的未来变化情况可以更加深刻的认识到未来的天气变化情况，从而对未来的极端天气带来的自然灾害进行提前预防，如果降雨量极少则需要人工降雨保证当地农副产品的生产产值，如降雨量极多就要开展号城市抗洪抢险，加大城市下水系统的排量和疏通。

研究人类所赖以生存环境的降雨、径流、蒸散发等水文现象的内在规律，是水文研究的基本任务，自然界的水循环是一个神奇的过程，而便是其中的不可获缺的环节，研究降雨径流的产生和汇集原理，保护水资源刻不容缓且意义重大，我们需要准确的建立数据预测模型。

在水文学的研究之中，水文模型的地位相当之高，因为它是水文科学研究之中的极其重要的分支，它是研究水文规律的关键工具之一，水文模型结构越好对水文规律的精度影响就越小，其开发研究拥有巨大的应用价值，在保护水资源方面也有着重要的科学意义。

水文模型中的降雨径流模型可以直观的表明降雨径流变化量，它能够通过自身的变化情况为我们提供许多关于天气情况变化的信息，是一个非常值得分析的数据模型。

现在是一个数据时代，变化万千的时代中蕴含的一切事物都可以用数据的变化来呈现出它们的规律，降雨量也不例外，我们需要通过科学的计算预测来拟定模型预测未来的情况，未雨绸缪，防患于未然。人类造成的破坏导致的其后时常是问题的所在，我们希望通过数据预测模型的预测来尽可能模拟未来的数据从而对未来的极端天气进行一定程度上的防控，避免不必要的财产损失和保护人民群众的生面健康。受到全球气候变暖的极具影响，很多国家和地区备受极端天气的影响，极端天气在全球以及造成了许许多多的经济损失，降雨量成为了许多地区关注的问题，降雨量直观反应了这一地区在这一时期气候的变化情况，从而让人们意识到研究降雨量的变化情况，并预测降雨量的未来变化情况可以更加深刻的认识到未来的天气变化情况，从而对未来的极端天气带来的自然灾害进行提前预防，如果降雨量极少则需要人工降雨保证当地农副产品的生产产值，如降雨量极多就要开展号城市抗洪抢险，加大城市下水系统的排量和疏通。

1.2研究现状

人工智能(机器学习)许多方法，像人工神经网络、遗传算法、模糊理论、支持向量机(SVM)等伴随着对水文预测模型研究的深入引入到水文预测中，并且取得了较为理想的结果。

在国外的研究中，他们的水文人员将单一的地面观测数据，融入了遥感数据，在数据同化之中，采取多元数据同化发展，其中有一个十分有研究价值的例子：Shanshan Meng等开发了一个基于集合卡尔曼滤波器和平滑器（命名为EnKF-S）的有效数据同化方案，合并地面测量和遥感反演的观测资料，并在此之上同时顾及了径流路由滞后，他们的方案对于一些情况下的短期洪水预报具有强大的预测潜力。

请支付后下载全文，论文总字数：14222字