一种基于OBL-SSA优化的LSTM人工监测时序数据生成方法

本发明涉及水电工程技术领域，具体说是一种基于OBL‑SSA优化的LSTM人工监测时序数据生成方法。本方法采用一种在重复网络中具有4个相互作用层的循环神经网络。它不仅能够像标准循环神经网络那样从序列数据中提取信息，还能够保留来自于先前较远步骤的具有长期相关性的信息。本发明基于OBL‑SSA优化的LSTM有足够的长期记忆来处理监测曲线的采样间隔相对较小，监测曲线中存在长期相关性。先用OBL‑SSA算法对时序数据做预处理，之后再利用LSTM算法生成时序数据，较好的解决了观测数据序列距离间隔过大且数据相关性较差的难题。