基于多因素长短时神经网络的日用水量预测方法研究

• 作者: 信昆仑 叶圣炯 朱建文 毛哲凯 陆维佳
• 来源期刊: 给水排水
• 学科: 工学
• 关键词: 日用水量预测 深度学习 多因素 长短时神经网络
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 计算机技术
• 页码范围: 125-129
• 页数: 5页
• 分类号: TU991
• 字数: 3232字
• 语种: 中文
• DOI: 10.13789/j.cnki.wwe1964.2020.01.023

摘要

针对城市日用水量非线性变化问题,为实现水资源的优化调度和合理利用,提出一种深度学习的水量预测方法,建立多因素长短时神经网络模型预测日用水量.该方法选取影响日用水量的因素作为输入特征,日用水量时间序列数据作为训练样本,利用数据挖掘,输出用水量预测值.结合杭州示范区实际案例,与传统的人工神经网络方法进行对比,结果表明,长短时神经网络的预测结果优于传统的人工神经网络,并且基于多因素长短时神经网络模型的预测结果优于单因素长短时神经网络模型,预测结果具有较强的精度和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	信昆仑	同济大学环境科学与工程学院	82	697	12.0	21.0
2	叶圣炯		5	5	1.0	2.0
3	朱建文		9	84	5.0	9.0
4	陆维佳	同济大学环境科学与工程学院	1	0	0.0	0.0
5	毛哲凯		2	0	0.0	0.0