典型文献
基于Conv1D-GRU深度神经网络的短时多步水量预测方法研究
文献摘要：
水量预测是水务行业智能化运行调度体系的重要技术.由于用户用水具有随机性,且受到天气、节假日等外界因素影响,短时水量精确预测难度较高,而现有研究通常仅关注于单个时刻的水量预测问题,同时预测多个步长水量的研究较少.通过结合一维卷积(Conv1D)与门控循环单元(GRU),同时提取历史水量数据中的短期趋势性与长期周期性特征,提出了水量预测的Multi-Tim-estep(MT)模型.与已有研究相比,该模型可实现短时、多步长水量的同步精确预测.使用该模型预测某小区考核表未来3 h内每15 min水量,并与Prophet模型进行对比分析,结果证实MT模型在多种评价指标下,对于所预测的各时刻数据均表现出较高的精确度及稳定性.
文献关键词：
水量预测;一维卷积;多步预测;智慧水务
中图分类号：
作者姓名：
毛立波;雷涛;马鸿兰;郭晨光;张新伟
作者机构：
山西大地环境投资控股有限公司,太原 030012
文献出处：
引用格式：
[1]毛立波;雷涛;马鸿兰;郭晨光;张新伟-.基于Conv1D-GRU深度神经网络的短时多步水量预测方法研究)[J].给水排水,2022(11):17-21
A类：
estep
B类：
Conv1D,GRU,深度神经网络,水量预测,水务行业,行业智能化,智能化运行,运行调度,户用,水具,随机性,节假日,外界因素,时水,精确预测,一维卷积,门控循环单元,同时提取,趋势性,Multi,Tim,MT,多步长,某小区,考核表,Prophet,多步预测,智慧水务
AB值：
0.432002
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。
