深度学习框架对城市日供水量预测的研究

• 作者: 沈丹玉 牟天蔚 蒋白懿 赵明
• 来源期刊: 人民黄河
• 学科: 工学
• 关键词: 深度信念网络模型 深度学习框架 Symlets小波 日供水量
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 水资源
• 页码范围: 58-62
• 页数: 5页
• 分类号: TV213.4
• 字数: 3280字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1379.2018.09.014

摘要

供水量预测是建立管网水力模型的前提,为提高供水管网模型精度,提出一种基于深度学习框架的小波深度信念网络(SW-DBN)时间序列模型.该模型首先通过Symlets小波对日供水量数据进行分解,然后将各分解项分别导入SW-DBN时间序列模型中进行训练,最后利用训练的模型进行预测.以新开河2014-2015年日供水量为训练数据,2016年1月1-7日供水量为测试数据,导入该模型进行预测.依据该测试方法对其后200 d的供水量进行预测,结果表明:该模型用于日供水量预测比深度信念网络模型及传统BP神经网络模型精度高,相对误差均小于5％,是一种有效的方式.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋白懿	沈阳建筑大学市政与环境学院	57	355	10.0	15.0
2	赵明	哈尔滨工业大学市政与环境工程学院	57	418	12.0	17.0
3	牟天蔚	沈阳建筑大学市政与环境学院	7	22	3.0	4.0
4	沈丹玉	沈阳建筑大学市政与环境学院	5	12	2.0	3.0