近日，水利與環境工程學院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神經網絡（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。

首先，由于RNN的時間串聯性質，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，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據對這些模型進行了評估。結果表明，這四個模型的預測區間能更好的適應洪水的不確定性。在90%的概率置信區間內，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，湖南省物聯網學會副理事長，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(MANET)，車聯網（VANET），無線傳感網(WSN)，物聯網(IoT)及其應用。近年來，發表SCI論文100余篇；申請或授權發明專利30余項。

鄒勇松，長沙理工大學水利與環境工程學院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，共發表SCI論文3篇，申請專利5項。