基于长短时神经网络的城市需水量预测应用 |
| |
引用本文: | 张薇薇,赵平伟,王景成.基于长短时神经网络的城市需水量预测应用[J].净水技术,2019,38(z1). |
| |
作者姓名: | 张薇薇 赵平伟 王景成 |
| |
作者单位: | 上海城投水务<集团>有限公司,上海,200002;上海交通大学电子信息与电气工程学院,上海,200240 |
| |
摘 要: | 在分析影响居民用水量相关性因素的基础上,采用长短时神经网络结合Encoder-Decoder方法建立城市需水量预测模型。长短时神经网络可以自动从时间序列的历史数据中抽取数据特征,避免了手动设计输入变量特征的繁琐,且可以采用更长时间的历史数据进行训练,充分考虑长期条件下不同天气、节假日的城市居民用水特征。Encoder-Decoder的网络结构模拟大脑对数据处理和做出决策的过程,适合多小时水量预测模型的构建。该模型应用于某地区需水量预测,取得了较高的预测精度,模型的适用性得到了有效验证。
|
关 键 词: | 需水量预测 长短时神经网络 Encoder-Decoder |
本文献已被 CNKI 万方数据 等数据库收录! |
|