基于集成LSTM的泵站供水流量智能预测方法_中国煤炭行业知识服务平台

基于集成LSTM的泵站供水流量智能预测方法

作者

袁卓异李勇刚
单位

湖南华博信息技术有限公司中南大学自动化学院
摘要

城市二次加压供水泵站的供水流量预测是实现清水池补水、蓄水的依据，也是保证居民用水安全的前提.针对泵站供水流量受线性、非线性和时变等多种因素影响，导致传统模型的预测效果较差的问题，提出了一种基于长短时记忆网络与整合移动平均自回归模型相结合(LSTM-ARIMA)的方法，建立泵站供水流量集成预测模型.首先将获取到的供水流量数据按照时间日期进行打标签及预处理；然后将处理后的数据分别放入LSTM模型和ARIMA模型中进行训练与测试，通过统计分析2个模型的历史预测准确次数来确定它们各自的基本权重，并在预测过程中自适应修正权重；最后，基于对应权重将2个模型集成，得到最终的供水流量预测结果.某供水泵站的现场数据验证表明：本文方法所得结果与其他2种方法所得的预测结果在均方根误差(RMSE)上分别降低了51.24%和66.52%,在平均绝对误差(MAE)上分别降低了49.84%和67.02%,验证了模型的有效性.
关键词

LSTMARIMA供水流量预测集成模型
基金项目(Foundation)

国家自然科学基金资助重大项目(61890932)；
文章目录

1 LSTM和ARIMA模型理论
1.1 LSTM模型
1.1.1 遗忘门
1.1.2 输入门
1.1.3 输出门
1)平均相对误差(MRE)
2)均方根误差(RMSE)
3)平均绝对误差(MAE)
1.2 ARIMA模型
2 供水流量集成预测模型
2.1 数据预处理
2.2 基于LSTM-ARIMA的供水流量集成预测模型
3 实例验证与分析
4 结论
引用格式

袁卓异,李勇刚.基于集成LSTM的泵站供水流量智能预测方法[J].湖南科技大学学报(自然科学版),2023,38(01):68-75.DOI:10.13582/j.cnki.1672-9102.2023.01.009.