基于LSTM神经网络的水电站短期水位预测方法

• 作者: 刘亚新 刘志武 尚毅梓 樊启祥 樊启萌
• 来源期刊: 水利水电科技进展
• 学科: 工学
• 关键词: 长短时记忆网络 短期水位预测 梯度下降法 BFGS算法 Wolfe-Powell线搜索方法
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 工程技术
• 页码范围: 56-60,78
• 页数: 6页
• 分类号: TV131
• 字数: 4250字
• 语种: 中文
• DOI: 10.3880/j.issn.1006-7647.2019.02.011

摘要

针对常规水位预测方法信息挖掘能力不足和启发式算法机理不明确等缺点,提出了一种基于长短时记忆(long short-term memory,LSTM)网络的水位预测方法.该方法采用水位和出力等直接监测数据,避免了出入库流量等间接计算值带来的二次误差,进而提升水位预测的准确率;采用梯度下降法与Broyden-Fletcher-Goldfarb-Shanno (BFGS)算法相结合训练模型,Wolfe-Powell线搜索方法选取步长,提高模型收敛速率.将该方法用于葛洲坝水电站的上下游水位预测,结果表明,该方法能够实现下游水位连续6h和上游水位连续3h的准确预测,具有较高的预测精度和实用性,为葛洲坝水库的实时调度提供了技术支撑.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	樊启祥		57	396	11.0	17.0
2	刘志武		24	68	5.0	7.0
3	尚毅梓		4	4	1.0	2.0
4	刘亚新		1	3	1.0	1.0
5	樊启萌		1	3	1.0	1.0