我院2019级博士研究生邹勇松在水利学科领域期刊Journal of Hydrology发表高水平论文

近日，水利与环境工程学院2019级博士研究生邹勇松（导师：王进教授）的研究论文“A novel multi-step ahead forecasting model for flood based on time residual LSTM”被水利学科领域的知名期刊Journal of Hydrology（IF=6.708）接收并刊出。

文章链接：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.

成果介绍

准确可靠的多步洪水预测对生命和财产具有重要意义。最近，水文学研究人员越来越倾向于使用循环神经网络（RNN）进行洪水预测，因为RNN能够捕捉历史依赖关系，简化计算过程并提供比传统模型更准确的预测结果。然而，基于RNN的洪水预测模型面临两个主要挑战。

首先，由于RNN的时间串联性质，导致梯度问题（如梯度消失和梯度爆炸），会使训练RNN模型变得困难。为了解决这个问题，我们提出了一种名为"Residual Long Short-Term Memory"（ResLSTM）的模型，在LSTM的时间连接中引入了时间残差连接。

其次，大多数洪水预测模型的输出确定性的单点预测，然而流域的自然水文特征是非线性且复杂的系统，受许多随机因素影响。因此，文中采用概率方法进行建模。为此，将一种名为"Autoregressive Recurrent Networks"（DeepAR）的概率预测模型引入到洪水预测模型中。

接着，结合DeepAR和四种改进的RNN（包括我们的ResLSTM模型、LSTM、GRU和TFC-SGRU）构建了四种洪水概率预测模型。使用美国帕赛克河和拉马波河流域的长期水文数据对这些模型进行了评估。结果表明，这四个模型的预测区间能更好的适应洪水的不确定性。在90%的概率置信区间内，洪峰流量的预测准确率达到了100%。

作者介绍：

王进，教授，博导，IET Fellow，IEEE高级会员，中国通信学会高级会员，中国计算机学会高级会员，湖南省物联网学会副理事长，湖南省计算机学会常务理事。目前主要研究领域有移动自主网(MANET)，车联网（VANET），无线传感网(WSN)，物联网(IoT)及其应用。近年来，发表SCI论文100余篇；申请或授权发明专利30余项。

邹勇松，长沙理工大学水利与环境工程学院19级博士研究生，中国第十五届大学生年度人物，主要从事洪水预测及其算法研究，共发表SCI论文3篇，申请专利5项。