南水北调中线工程水位的水动力-神经网络 耦合预测模型

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。