基于机器学习方法的葛洲坝水电站下游水位预测研究

作者：刘晓阳; 郭乐^*

来源：水利水电快报, 2022, 43(10): 19-36.

DOI：10.15974/j.cnki.slsdkb.2022.10.004

• 水位预测
• 人工神经网络
• 随机森林
• 支持向量机
• 葛洲坝水电站

为准确预测葛洲坝水电站下游水位，以人工神经网络、随机森林和支持向量机3种机器学习方法为基础，以2018～2020年葛洲坝水电站历史数据为样本集，建立葛洲坝水电站下游水位单点预测模型，并利用k折交叉验证对3种方法的预测精度进行评价。结果表明：3种方法在测试集上均具有良好表现；其中支持向量机预测模型表现最优，均方误差MSE平均值为0.0071,决定系数R2平均值为0.98,预测精度可满足生产需求。研究成果对葛洲坝水电站后期调度方案编制具有指导意义。

• 单位
  三峡水利枢纽梯级调度通信中心