基于BP神经网络的合流制截污管溢流实时控制方法

提出了一种基于BP神经网络的合流制截污管溢流控制方法，通过使用当前时刻前一段时间每5 min的降雨、控制点水位、蒸发量和雨前干期等数据对控制点未来一段时间的水位进行预测，当控制点预测水位长时间超过设定值时，则实施开闸溢流。通过对近2年共3 000组观测数据进行训练测试，发现该模型的平均绝对误差（MAE）为0.111 5、均方根误差（RMSE）为0.156 5、平均百分比误差（MPE）为0.045 3%、纳什-苏特克利夫效率系数（NSE）为0.938 6，表明该模型在整体预测上满足应用要求。现该模型已部署至武汉市智慧水务系统，并在2023年7月8日的降雨事件中，预测到水位将会上升到22.7 m以上，实施开闸溢流，避免了城区内洪灾害。