-
题名基于双向长短时神经网络的水量预测方法研究
被引量:35
- 1
-
-
作者
郭冠呈
刘书明
李俊禹
周韧
朱晓耘
-
机构
清华大学环境学院饮用水安全教研所
常州通用自来水有限公司
-
出处
《给水排水》
CSCD
北大核心
2018年第3期123-126,共4页
-
基金
国家水体污染控制与治理科技重大专项(2017ZX07201002)
-
文摘
短期需水量预测是开展城镇供水管网智能调度和基于流量的漏失在线预警的基础,受限于需水量的非线性变化,传统模型的预测精度和稳定性较差,尤其是对于15 min间隔的需水量预测。为解决此问题,提出了一种利用深度学习的水量预测方法,建立了双向长短时记忆循环神经网络模型预测常州市某DMA入口15min的水量。结果表明,双向长短时记忆循环神经网络模型的预测效果优于传统人工神经网络模型,能够有效提升水量预测模型的精度与稳定性。
-
关键词
水量预测
深度学习
长短时记忆单元
人工神经网络
-
Keywords
Water demand forecasting
Deep learning
Long short term memory unit
Artificialneural network
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TV213.4
[水利工程—水文学及水资源]
-
-
题名智能水表集抄计量云平台的设计
- 2
-
-
作者
朱晓耘
徐英
邱俊
丁祺
潘志明
陈峰
-
机构
常州通用自来水有限公司
-
出处
《产业科技创新》
2022年第1期59-63,共5页
-
文摘
常州自来水有限公司部署的智能水表集抄计量云平台采用B/S结构,选用SQL Server数据库。为提高水务管理效率,结合国内供水行业集抄的实际情况,平台具有用户档案管理、实时监控、统计分析、常用报表、监控告警、信息管理、系统管理等功能。实现大、小口径水表的统一管理,有利于整合全域内的用水信息,进行产销差分析,形成一套完整独立的智能集抄系统平台。为水务行业规范用水、加强管理提供了科学化、规范化的运行平台,大大提升了各管理部门的运行效率。
-
关键词
智能集抄系统
云平台
数据监测
用水统计
-
分类号
N945.23
[自然科学总论—系统科学]
-