基于多维度输入的水厂日取水量卷积长短期记忆网络预测

刘怀利; 王铭铭; 查淳膺; 王健; 瞿暄

doi:10.20040/j.cnki.1000-7709.2024.20231199

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于多维度输入的水厂日取水量卷积长短期记忆网络预测

水文水资源 | 更新时间：2026-02-25

- 基于多维度输入的水厂日取水量卷积长短期记忆网络预测
- 基于多维度输入的水厂日取水量卷积长短期记忆网络预测
- 水电能源科学 2024年第5期页码：72-75
- 作者机构：
  
  1. (水利部淮河水利委员会)水利科学研究院,安徽省
  2. 合肥工业大学土木与水利工程学院
- 作者简介：
- 基金信息：
  
  安徽省自然科学基金项目(2208085US13);安徽省水利部淮委水利科学研究院科技攻关计划项目(KJGG202001)
- DOI：10.20040/j.cnki.1000-7709.2024.20231199
  中图分类号： TP183;TU991.6
- 纸质出版：2024
- 稿件说明：
移动端阅览
刘怀利, 王铭铭, 查淳膺, 等. 基于多维度输入的水厂日取水量卷积长短期记忆网络预测[J]. 水电能源科学, 2024,(5):72-75.

刘怀利, 王铭铭, 查淳膺, et al. 基于多维度输入的水厂日取水量卷积长短期记忆网络预测[J]. 2024, (5): 72-75.
刘怀利, 王铭铭, 查淳膺, 等. 基于多维度输入的水厂日取水量卷积长短期记忆网络预测[J]. 水电能源科学, 2024,(5):72-75. DOI： 10.20040/j.cnki.1000-7709.2024.20231199.

刘怀利, 王铭铭, 查淳膺, et al. 基于多维度输入的水厂日取水量卷积长短期记忆网络预测[J]. 2024, (5): 72-75. DOI： 10.20040/j.cnki.1000-7709.2024.20231199.

摘要

鉴于传统的单维输入卷积长短期记忆网络(CNN-LSTM)的预测精度依赖于历史数据的规律性，构建了基于多维度输入的卷积长短期记忆网络预测模型，其中采用皮尔逊相关分析来识别数据内部特征或外界环境因子相关性，在此基础上构建模型输入，并应用于两个自来水厂日取水量预测。结果表明，相较于传统单维度输入预测模型，构建的基于数据内部特征或外部环境因子的多维度输入CNN-LSTM预测导致A水厂取水量的平均绝对百分比误差分别降低了32%、17%;B水厂的平均绝对百分比误差分别降低了47%、12%

表明基于数据内部特征的多维度输入模型更高。其余评价指标也呈现类似变化；且增大水厂取水量有助于提高模型的预测精度。该模型输入分析方法可为提高预测模型精度提供有效范例。

Abstract

关键词

Keywords

references

孙小燕.城镇智慧水务日用水量预测方法改进分析[J].水利科技与经济,2022(11).

张君君.北票市城市自来水厂供水量预测分析[J].水利科学与寒区工程,2022(10).

李建.基于SARIMAX模型区域用水量短期预测[J].城镇供水,2022(02).

袁咪咪,宫法明,李昕.基于CNN-LSTM的多因素时空风速预测[J].计算机系统应用,2021(08).

刘志壮,吕谋,周国升.基于小波组合模型的短期城市用水量预测[J].给水排水,2020(10).

陆维佳,朱建文,叶圣炯,毛哲凯,信昆仑.基于多因素长短时神经网络的日用水量预测方法研究[J].给水排水,2020(01).

蔡威,李继庚,满奕,曾志强,刘焕彬.基于ARMA模型对乡镇污水厂进水量的预测研究[J].造纸科学与技术,2017(02).

梅胜,袁林,李冬梅,黄明珠,刘贝,任毅.南方城区某优质水厂供水量与耗电量关系预测模型[J].水电能源科学,2016(09).

韦翠娥.广东江门新会区新宝成水厂合理取水量确定[J].甘肃水利水电技术,2016(05).

陆慕权.南宁市大沙田水厂供水扩建项目用水量预测方法探析[J].企业科技与发展,2016(04).

邵磊,周孝德,杨方廷,蔺颖.基于RBF神经网络的山西省工业取水量预测[J].人民黄河,2010(03).

Agga Ali,Abbou Ahmed,Labbadi Moussa,Houm Yassine El,Ou Ali Imane Hammou.CNN-LSTM: An efficient hybrid deep learning architecture for predicting short-term photovoltaic power production[J].Electric Power Systems Research,2022.

Y. LeCun,L. Bottou,Y. Bengio,P. Haffner.Gradient-based learning applied to document recognition[J].Proceedings of the IEEE,1998(11).

浏览量

120

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

耦合物理机制和数据驱动的城市洪涝潮淹没快速模拟

基于SEM-AHP混合模型的全域推进海绵城市风险识别

基于一维二维耦合水动力学模型的库区水位响应规律研究

基于PSO-PCA-CNN的水电机组故障诊断

新型消能减震锚索锚固岩质边坡振动台试验研究