基于双向长短时神经网络的水量预测方法研究

作     者：郭冠呈 刘书明 李俊禹 周韧 朱晓耘 Guo Guancheng;Liu Shuming;Li Junyu;Zhou Ren;Zhu Xiaoyun

作者机构：清华大学环境学院饮用水安全教研所北京100084 常州通用自来水有限公司常州213003 

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

年 卷 期：2018年第44卷第3期

页      面：123-126页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 082802[工学-农业水土工程] 081104[工学-模式识别与智能系统] 08[工学] 0828[工学-农业工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家水体污染控制与治理科技重大专项(2017ZX07201002) 

主　　题：水量预测 深度学习 长短时记忆单元 人工神经网络 

摘      要：短期需水量预测是开展城镇供水管网智能调度和基于流量的漏失在线预警的基础,受限于需水量的非线性变化,传统模型的预测精度和稳定性较差,尤其是对于15 min间隔的需水量预测。为解决此问题,提出了一种利用深度学习的水量预测方法,建立了双向长短时记忆循环神经网络模型预测常州市某DMA入口15min的水量。结果表明,双向长短时记忆循环神经网络模型的预测效果优于传统人工神经网络模型,能够有效提升水量预测模型的精度与稳定性。