基于双向长短时神经网络的水量预测方法研究

• 作者: 刘书明 周韧 朱晓耘 李俊禹 郭冠呈
• 来源期刊: 给水排水
• 关键词: 水量预测 深度学习 长短时记忆单元 人工神经网络
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 计算机技术
• 页码范围: 123-126
• 页数: 4页
• 字数: 2235字
• 语种: 中文

摘要

短期需水量预测是开展城镇供水管网智能调度和基于流量的漏失在线预警的基础,受限于需水量的非线性变化,传统模型的预测精度和稳定性较差,尤其是对于15 min 间隔的需水量预测.为解决此问题,提出了一种利用深度学习的水量预测方法,建立了双向长短时记忆循环神经网络模型预测常州市某DMA入口15 min的水量.结果表明,双向长短时记忆循环神经网络模型的预测效果优于传统人工神经网络模型,能够有效提升水量预测模型的精度与稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘书明	清华大学环境学院饮用水安全教研所	30	148	8.0	11.0
2	李俊禹	清华大学环境学院饮用水安全教研所	2	15	1.0	2.0
3	郭冠呈	清华大学环境学院饮用水安全教研所	1	15	1.0	1.0
4	周韧		1	15	1.0	1.0
5	朱晓耘		1	15	1.0	1.0