基于长短期记忆网络的日供水量预测方法研究

摘要：

供水量预测方法分为传统预测法和机器学习法两类.传统方法对于日供水量预测精度有限,机器学习法具有更好的模型刻画能力,可发现传统算法难以捕捉的数据细节.提出了一种基于长短期记忆网络(LSTM)的日供水量预测方法,利用渭南市蒲城县城区2016年1月-2018年3月的日供水量数据对该方法进行了验证,并与基于BP神经网络的方法进行了对比.基于LSTM网络方法的预测结果:平均绝对百分比误差为5.7％,R2为0.804;基于BP神经网络的预测结果:平均绝对百分比误差为7.3％,R2为0.610.可见,基于长短期记忆网络的预测方法具有较高的预测精度和稳定性,是一种有效的预测方法.

关键词：日供水量预测、长短期记忆网络、BP神经网络

所属期刊栏目：35

分类号：TU991(地下建筑)

在线出版日期：2019-09-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：79-83