科研之友
微信
新浪微博
Facebook
分享链接
摘要
为实时监测管网运行状态、及时捕捉管线漏损，需开展供水计量区的超短时需水量预测。然而，供水区域和时间粒度的减小均会带来需水量数据波动性的增加，导致预测难度增大。在此背景下，以多维度水量融合提高信息利用度为学术思想，以长短时记忆神经网络(LSTM)为实现手段，提出基于多维度水量融合的LSTM预测算法(FFB-LSTM),预测我国南方某真实独立计量区的超短时需水量。与传统LSTM、ANN模型对比，结果表明，所提出的FFB-LSTM在MAPE、MSE、MAE三个指标上均优于传统模型，能够高精度的预测计量区超短时需水量，为供水行业计量区的超短时需水量预测工作提供了有效范例。
- 单位
