基于长短期记忆网络的日供水量预测方法研究

• 作者: 程玉婷 苟非洲
• 来源期刊: 中国给水排水
• 学科: 工学
• 关键词: 日供水量预测 长短期记忆网络 BP神经网络
• 年，卷（期）: 2019,（17）
• 所属期刊栏目: 技术总结
• 页码范围: 79-83
• 页数: 5页
• 分类号: TU991
• 语种: 中文

摘要

供水量预测方法分为传统预测法和机器学习法两类.传统方法对于日供水量预测精度有限,机器学习法具有更好的模型刻画能力,可发现传统算法难以捕捉的数据细节.提出了一种基于长短期记忆网络(LSTM)的日供水量预测方法,利用渭南市蒲城县城区2016年1月-2018年3月的日供水量数据对该方法进行了验证,并与基于BP神经网络的方法进行了对比.基于LSTM网络方法的预测结果:平均绝对百分比误差为5.7％,R2为0.804;基于BP神经网络的预测结果:平均绝对百分比误差为7.3％,R2为0.610.可见,基于长短期记忆网络的预测方法具有较高的预测精度和稳定性,是一种有效的预测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苟非洲		9	9	2.0	2.0
2	程玉婷		4	1	1.0	1.0