检索结果-南通市图书馆

A hybrid Wavelet-CNN-LSTM deep learning model for short-term urban water demand forecasting

Frontiers of Environmental Science & Engineering 2023年第2期17卷 97-110页

作者： zhengheng pu Jieru Yan Lei Chen Zhirong Li Wenchong Tian Tao Tao Kunlun Xin College of Environmental Science and Engineering Tongji UniversityShanghai 200092China Smart Water Joint Innovation RD Center Tongji UniversityShanghai 200092China

Short-term water demand forecasting provides guidance on real-time water allocation in the water supply network, which help water utilities reduce energy cost and avoid potential accidents. Although a variety of methods have been proposed to improve forecast accuracy, it is still difficult for statistical models to learn the periodic patterns due to the chaotic nature of the water demand data with high temporal resolution. To overcome this issue from the perspective of improving data predictability, we proposed a hybrid Wavelet-CNN-LSTM model, that combines time-frequency decomposition characteristics of Wavelet Multi-Resolution Analysis (MRA) and implement it into an advanced deep learning model, CNN-LSTM. Four models - ANN, Conv1D, LSTM, GRUN - are used to compare with Wavelet-CNN-LSTM, and the results show that Wavelet-CNN-LSTM outperforms the other models both in single-step and multi-steps prediction. Besides, further mechanistic analysis revealed that MRA produce significant effect on improving model accuracy.

关键词： Short-term water demand forecasting Long-short term memory neural network Convolutional Neural Network Wavelet multi-resolution analysis Data-driven models

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于图深度学习的供水管网短期需水量预测研究

引用

环境工程 2023年第4期41卷 149-153页

作者：林昱道陶涛信昆仑蒲政衡陈磊同济大学环境科学与工程学院上海200092

供水系统短期需水量预测是供水管网优化调度的基础,预测的准确性对供水调度有重要影响。图神经网络是一种新型神经网络架构,通过学习对象的拓扑特征优化学习效果。利用供水管网的拓扑特征搭建了图波网络(Graph Wavenet)模型,用于学习供... 详细信息

供水系统短期需水量预测是供水管网优化调度的基础,预测的准确性对供水调度有重要影响。图神经网络是一种新型神经网络架构,通过学习对象的拓扑特征优化学习效果。利用供水管网的拓扑特征搭建了图波网络(Graph Wavenet)模型,用于学习供水管网各监测点的空间拓扑关系及其需水量时间序列关系,实现了更准确的供水管网短期需水量预测。使用真实管网历史数据训练Graph Wave Net模型,未来5 min预测的最小百分比误差达到1.28%,平均百分比误差达到1.34%。实验成功地将给水管网拓扑结构用于优化深度学习模型效果,使用图卷积网络模型有效提升了供水管网短期需水量预测精度。并对图神经网络在供水管网领域的应用前景进行了简要探讨。

关键词：需水量预测供水系统图神经网络时间序列预测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的供水管网实时智能调度研究

引用

给水排水 2022年第11期48卷 166-172页

作者：蒲政衡赵平伟冯偲慜陈磊仇坚信昆仑同济大学环境科学与工程学院上海200092 上海城投水务(集团)有限公司上海200002

针对供水管网实时调度控制问题,以上海市某区域为研究案例,利用深度学习算法,基于管网运行历史数据,构建了供水管网实时智能调度模型。通过分别构建以出厂压力、增压泵站出站压力、泵站水库液位为输出目标值的深度神经网络模型,实现了... 详细信息

针对供水管网实时调度控制问题,以上海市某区域为研究案例,利用深度学习算法,基于管网运行历史数据,构建了供水管网实时智能调度模型。通过分别构建以出厂压力、增压泵站出站压力、泵站水库液位为输出目标值的深度神经网络模型,实现了该区域水厂出厂压力、增压泵启闭等智能调度指令的生成。与人工调度相比,智能调度指令可实现对非高峰时段管网冗余压力的有效降低,以及根据运行状态及时预判供水高峰的出现时间,减少由于人工调度经验不同导致的调度方案差异。未来通过拓展深度学习样本及完善智能指令评价机制,可进一步提升智能调度模型的实际应用效果。

关键词：供水管网优化调度深度学习数据驱动模型人工神经网络

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：