文献类型：期刊文章

作　　者：李双宇[1,2] 张明凯[2,3] 刘艳臣[3] 施汉昌[2,3]

LI Shuang-yu;ZHANG Ming-kai;LIU Yan-chen;SHI Han-chang(College of Engineering,Peking University Beijing 100871,China;Beijing Institute of Collaborative Innovation,Beijing 100094,China;School of Environment,Tsinghua University,Beijing 100084,China)

机构地区：[1]北京大学工学院,北京100871 [2]北京协同创新研究院,北京100094 [3]清华大学环境学院,北京100084

出　　处：《中国给水排水》

基　　金：国家水体污染控制与治理科技重大专项(2017ZX07103007)。

年　　份：2022

卷　　号：38

期　　号：5

起止页码：59-64

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、GEOBASE、JST、RCCSE、ZGKJHX、核心刊

摘　　要：排水系统流量预测对于城市水安全、污水厂优化运行具有重要意义。与需要复杂建模和大量地理信息数据的传统水文水力学模型不同,机器学习可以通过数据驱动实现排水系统的流量预测预警。结合流量数据的时序性,分别在单变量(流量)、双变量(流量和降雨)的情况下,采用5种长短期记忆神经网络(LSTM)模型(Vanilla LSTM、Stacked LSTM、Bidirectional LSTM、CNN LSTM、ConV LSTM)对江苏省无锡市某污水处理厂的进水流量进行预测。结果表明,Bidirectional LSTM最优的实验参数条件是:隐藏层单元数为250,训练轮数为200,训练集样本数为250;在同等条件下,Bidirectional LSTM相较其他4种方法可以更有效地预测未来流量;相比仅输入流量变量,在增加降雨变量后,可以提升近20%的流量预测精度。

关 键 词：排水系统 LSTM模型  流量预测  时间序列 最优实验参数  

分 类 号：TU992]