改进深度置信网络在城市用水量预测中的应用

• 作者: 刘春柳 张征
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 水量预测 深度置信网络 稀疏连续受限玻尔兹曼机
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 41-45
• 页数: 5页
• 分类号: TP301
• 字数: 4476字
• 语种: 中文
• DOI: 10.11907/rjdk.191378

摘要

城市用水量的准确预测可以为供水管网智能调度、异常报警提供支持,便于及时发现漏损、排查及检修,具有极大的现实意义与经济利益.针对现有用水量预测方法忽视用水量数据自身特征及不能模拟更复杂的数学运算的问题,提出一种改进深度置信网络(DBN)的用水量预测方法.对有高斯分布的连续受限玻尔兹曼机(CRBM)引入稀疏正则项,解决特征同质化现象的同时也适用于用水量数据输入.实验结果表明,在实际用水量预测中,改进DBN模型相比传统神经网络和传统DBN预测模型,预测准确率得到了较大的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张征	华中科技大学人工智能与自动化学院	27	157	6.0	12.0
2	刘春柳	华中科技大学人工智能与自动化学院	1	0	0.0	0.0