摘 要: | 排水系统流量预测对于城市水安全、污水厂优化运行具有重要意义。与需要复杂建模和大量地理信息数据的传统水文水力学模型不同,机器学习可以通过数据驱动实现排水系统的流量预测预警。结合流量数据的时序性,分别在单变量(流量)、双变量(流量和降雨)的情况下,采用5种长短期记忆神经网络(LSTM)模型(Vanilla LSTM、Stacked LSTM、Bidirectional LSTM、CNN LSTM、ConV LSTM)对江苏省无锡市某污水处理厂的进水流量进行预测。结果表明,Bidirectional LSTM最优的实验参数条件是:隐藏层单元数为250,训练轮数为200,训练集样本数为250;在同等条件下,Bidirectional LSTM相较其他4种方法可以更有效地预测未来流量;相比仅输入流量变量,在增加降雨变量后,可以提升近20%的流量预测精度。
|