典型文献
基于LSTM模型的排水系统流量预测研究
文献摘要：
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.
文献关键词：
排水系统;LSTM模型;流量预测;时间序列;最优实验参数
中图分类号：
作者姓名：
李双宇;张明凯;刘艳臣;施汉昌
作者机构：
北京大学工学院,北京100871;北京协同创新研究院,北京100094;清华大学环境学院,北京100084
文献出处：
引用格式：
[1]李双宇;张明凯;刘艳臣;施汉昌-.基于LSTM模型的排水系统流量预测研究)[J].中国给水排水,2022(05):59-64
A类：
ConV
B类：
排水系统,预测研究,城市水安全,污水厂,优化运行,地理信息数据,文水,水力学模型,预测预警,合流,流量数据,时序性,双变量,长短期记忆神经网络,Vanilla,Stacked,Bidirectional,江苏省无锡市,污水处理厂,水流量,数条,轮数,训练集,同等条件,预测未来,来流,入流,流量预测精,最优实验参数
AB值：
0.359518
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
