论文部分内容阅读
针对现有水文时间序列预测模型存在预测精度及效率不高的问题,提出一种基于相似性搜索的水文时间序列预测模型。通过改进Chameleon算法、最小距离方差法及学习过滤选择法确定参考集,并使用基于CDTW的索引生成方法进行水文时间序列相似性搜索(HS_C_CBEM),同时与LSTM网络结合构造预测模型(FSS_LSTM)。实验证明FSS_LSTM预测模型能够有效提升预测的精度及效率。