用于供水系统流量与压力预测的混合注意力网络
机器学习
2020-04-15 v2 机器学习
摘要
多元地理传感时间序列预测因复杂的空间与时间相关性而具挑战性。在城市供水系统（WDS）中，已部署大量空间相关传感器以持续采集水力数据。所监测流量与压力时间序列的预测对于运行决策、告警及异常检测至关重要。为解决此问题，我们提出了一种基于混合双阶段时空注意力的循环神经网络（hDS-RNN）。我们的模型包含两阶段：基于空间注意力的编码器与基于时间注意力的解码器。具体而言，提出了一种沿时间轴与空间轴采用输入的混合空间注意力机制。在真实世界数据集上的实验表明，我们的模型在 WDS 的流量与压力序列预测上优于 9 个基线模型。
引用
@article{arxiv.2004.05828,
title = {Hybrid Attention Networks for Flow and Pressure Forecasting in Water Distribution Systems},
author = {Ziqing Ma and Shuming Liu and Guancheng Guo and Xipeng Yu},
journal= {arXiv preprint arXiv:2004.05828},
year = {2020}
}
备注
7 pages, 9 figures