基于长短时神经网络的城市需水量预测应用

• 作者: 张薇薇 王景成 赵平伟
• 来源期刊: 净水技术
• 学科: 工学
• 关键词: 需水量预测 长短时神经网络 Encoder-Decoder
• 年，卷（期）: 2019,（z1）
• 所属期刊栏目: 其他水系统研究与应用
• 页码范围: 257-260,286
• 页数: 5页
• 分类号: TU731.5
• 字数: 2623字
• 语种: 中文
• DOI: 10.15890/j.cnki.jsjs.2019.s1.064

摘要

在分析影响居民用水量相关性因素的基础上,采用长短时神经网络结合Encoder-Decoder方法建立城市需水量预测模型.长短时神经网络可以自动从时间序列的历史数据中抽取数据特征,避免了手动设计输入变量特征的繁琐,且可以采用更长时间的历史数据进行训练,充分考虑长期条件下不同天气、节假日的城市居民用水特征.Encoder-Decoder的网络结构模拟大脑对数据处理和做出决策的过程,适合多小时水量预测模型的构建.该模型应用于某地区需水量预测,取得了较高的预测精度,模型的适用性得到了有效验证.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王景成	上海交通大学电子信息与电气工程学院	61	580	14.0	21.0