南水北调中线工程水位的水动力-神经网络
耦合预测模型 |
| |
作者姓名: | 薛萍 廖丽莎 廖卫红 位文涛 景象 |
| |
作者单位: | 1.河海大学人工智能与自动化学院,南京?210098;2.中国水利水电科学研究院水资源研究所,北京?100038;
3.武汉虹信技术服务有限责任公司,武汉?430043;4.天津大学建筑工程学院,天津?300072 |
| |
摘 要: | 南水北调中线工程通常以闸前常水位调度运行,而水位在闸门调控影响下多数处于非平稳状态,探索其变
化规律对于监测数据和研究方法均有一定限制和要求。监测数据方面,针对大量的高频监测数据选取均值滤波、
滑动平均值滤波、递推中位值平均滤波法、滑动小波变换进行数据预处理,提高数据质量、增强数据预测的可行
性。研究方法层面,以 BP 神经网络模型和长短期记忆(long?short-term?memory,LSTM)网络模型为主体框架,以水
动力模型的模拟数据为辅助支撑,对比单神经网络在不同工况下的预测效果,输出水动力-神经网络组合预测结果。
结果表明:数据预处理是数据分析和预测的必要环节,高频数据滤波处理再预测可以提高数据预测的精度;均值
滤波、递推中位数均值滤波方式对数据预处理的效果最好,指标合理时滤后决定系数(R2)精度均超过 0.95,且均
方根误差(RMSE)和平均绝对误差(MAE)不超过 0.02,准确性高;基于滤后数据进行模型构建,通过对比数据驱动
模型和数据-机理双重驱动模型的计算结果,R2维持在 0.98 附近,RMSE、MAE 维持在 0.01 左右,耦合模型具有更
好的稳定性和准确性。
|
关 键 词: | 南水北调中线工程 数据滤波 神经网络 水位预测 |
|
| 点击此处可从《》浏览原始摘要信息 |
|
点击此处可从《》下载全文 |
|