典型文献
基于循环神经网络的水库水位预测方法
文献摘要：
大型水库重要站点的水位预测是水库防洪中的重要问题,目前主要采用水动力学方法计算.但是由于该方法对输入边界条件的准确性要求较高,而实时调度情况下又很难完全满足此条件,因此容易造成较大的水位计算误差.对此,提出了循环神经网络模型,从水库运行的历史数据中挖掘知识,学习入库流量和坝前水位到目标站点水位的映射关系,不需要使用地形资料等数据以避免系统性误差的影响,既可以降低模型对输入边界准确性的要求,又可以在一定程度上提升水位预测精度.以三峡水库长寿站水位计算为例,使用2009—2019年数据训练、验证和测试模型,试验结果显示长寿站水位在接近三峡水库土地征用线时,计算误差在±0.4 m以内,精度优于水动力学模型,可满足实时调度对水位精度的要求.
文献关键词：
水动力学;入库流量;地形资料;循环神经网络;三峡水库
中图分类号：
作者姓名：
纪国良;周曼;刘涛;胡腾腾;丁勇
作者机构：
中国长江三峡集团有限公司,湖北 宜昌 443100
文献出处：
引用格式：
[1]纪国良;周曼;刘涛;胡腾腾;丁勇-.基于循环神经网络的水库水位预测方法)[J].长江科学院院报,2022(03):80-85
A类：
B类：
水库水位,水位预测,大型水库,防洪,实时调度,此条,水位计算,计算误差,循环神经网络模型,水库运行,历史数据,入库流量,坝前水位,映射关系,地形资料,升水,三峡水库,长寿,年数,数据训练,测试模型,土地征用,水动力学模型
AB值：
0.301597
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
