基于LSTM模型的排水系统流量预测研究

• 作者: 李双宇 张明凯 刘艳臣 施汉昌
• 来源期刊: 中国给水排水
• 学科: 工学
• 关键词: 排水系统 LSTM模型 流量预测 时间序列 最优实验参数
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 技术总结|THCHNOLOGY SUMMARY
• 页码范围: 59-64
• 页数: 6页
• 分类号: TU992
• 语种: 中文
• DOI: 10.19853/j.zgjsps.1000-4602.2022.05.009

摘要

排水系统流量预测对于城市水安全、污水厂优化运行具有重要意义.与需要复杂建模和大量地理信息数据的传统水文水力学模型不同,机器学习可以通过数据驱动实现排水系统的流量预测预警.结合流量数据的时序性,分别在单变量(流量)、双变量(流量和降雨)的情况下,采用5种长短期记忆神经网络(LSTM)模型(Vanilla LSTM,Stacked LSTM、Bidirectional LSTM、CNN LSTM、ConV LSTM)对江苏省无锡市某污水处理厂的进水流量进行预测.结果表明,Bidirectional LSTM最优的实验参数条件是:隐藏层单元数为250,训练轮数为200,训练集样本数为250;在同等条件下,Bidirectional LSTM相较其他4种方法可以更有效地预测未来流量;相比仅输入流量变量,在增加降雨变量后,可以提升近20％的流量预测精度.