基于Conv1D-GRU深度神经网络的短时多步水量预测方法研究

作     者：毛立波 雷涛 马鸿兰 郭晨光 张新伟 MAO Libo;LEI Tao;MA Honglan;GUO Chenguang;ZHANG Xinwei

作者机构：山西大地环境投资控股有限公司太原030012 

出 版 物：《给水排水》 (Water & Wastewater Engineering)

年 卷 期：2022年第48卷第11期

页      面：17-21页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 08[工学] 0815[工学-水利工程] 

主　　题：水量预测 一维卷积 多步预测 智慧水务 

摘      要：水量预测是水务行业智能化运行调度体系的重要技术。由于用户用水具有随机性,且受到天气、节假日等外界因素影响,短时水量精确预测难度较高,而现有研究通常仅关注于单个时刻的水量预测问题,同时预测多个步长水量的研究较少。通过结合一维卷积(Conv1D)与门控循环单元(GRU),同时提取历史水量数据中的短期趋势性与长期周期性特征,提出了水量预测的Multi-Timestep(MT)模型。与已有研究相比,该模型可实现短时、多步长水量的同步精确预测。使用该模型预测某小区考核表未来3 h内每15 min水量,并与Prophet模型进行对比分析,结果证实MT模型在多种评价指标下,对于所预测的各时刻数据均表现出较高的精确度及稳定性。