基于Conv1D-GRU深度神经网络的短时多步水量预测方法研究

作者：毛立波^*; 雷涛; 马鸿兰; 郭晨光; 张新伟

来源：给水排水, 2022, 58(11): 17-21.

DOI：10.13789/j.cnki.wwe1964.2022.05.22.0001

• 水量预测
• 一维卷积
• 多步预测
• 智慧水务

水量预测是水务行业智能化运行调度体系的重要技术。由于用户用水具有随机性，且受到天气、节假日等外界因素影响，短时水量精确预测难度较高，而现有研究通常仅关注于单个时刻的水量预测问题，同时预测多个步长水量的研究较少。通过结合一维卷积(Conv1D)与门控循环单元(GRU),同时提取历史水量数据中的短期趋势性与长期周期性特征，提出了水量预测的Multi-Timestep(MT)模型。与已有研究相比，该模型可实现短时、多步长水量的同步精确预测。使用该模型预测某小区考核表未来3 h内每15 min水量，并与Prophet模型进行对比分析，结果证实MT模型在多种评价指标下，对于所预测的各时刻数据均表现出较高的精确度及稳定性。