CN119537841A 优化输入与滚动修正的梯级泵站站前水位实时预测方法 (济南大学)_第1页
CN119537841A 优化输入与滚动修正的梯级泵站站前水位实时预测方法 (济南大学)_第2页
CN119537841A 优化输入与滚动修正的梯级泵站站前水位实时预测方法 (济南大学)_第3页
CN119537841A 优化输入与滚动修正的梯级泵站站前水位实时预测方法 (济南大学)_第4页
CN119537841A 优化输入与滚动修正的梯级泵站站前水位实时预测方法 (济南大学)_第5页
已阅读5页,还剩18页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

号优化输入与滚动修正的梯级泵站站前水位本发明提供优化输入与滚动修正的梯级泵据输入至LSTM_EC神经网络模型,通过不断调节优化权重矩阵和偏差项,完成对LSTM_EC神经网2S2.对清洗完成的数据进行归一化预处理,再使用皮尔逊相关系数计算输入因子的相S4.考虑到水流传播过程存在渠段反应滞后时间,采用动力波理论和运动波理论进行2.根据权利要求1所述的优化输入与滚动修正的梯级泵站站前水位实时预测方法,其空间两个尺度上对流量数据进行清洗,根据水量动态平衡原理推求任意两时段输水损失3.根据权利要求1所述的优化输入与滚动修正的梯级泵站站前水位实时预测方法,其34.根据权利要求1所述的优化输入与滚动修正的梯级泵站站前水位实时预测方法,其5.根据权利要求1所述的优化输入与滚动修正的梯级泵站站前水位实时预测方法,其6.根据权利要求1所述的优化输入与滚动修正的梯级泵站站前水位实时预测方法,其7.根据权利要求1所述的优化输入与滚动修正的梯级泵站站前水位实时预测方法,其45[0010]S2.对清洗完成的数据进行归一化预处[0012]S4.考虑到水流传播过程存在6际传播时间选择时间间隔相同的不同预见期进行分时段预测,由此大大提高水位预测精7[0045]图4为本发明中LSTM_EC神经网络模型在不同预见期下梯级泵站站前水位的预测[0048]如图1_4所示,本发明实施例提供优化输入与滚动修正的梯级泵站站前水位实时[0050]S2.对清洗完成的数据进行归一化预处[0052]S4.考虑到水流传播过程存在8际传播时间选择时间间隔相同的不同预见期进行分时段预测,由此大大提高水位预测精9[0074]基于历史水位数据,构建基于LSTM-EC的站前水位实时预测模型对历史数据进行[0075]基于已有数据提取、计算预测模型以及误差自回归修正模型所需要的输入端数[0084]本次LSTM-EC梯级泵站站前水位实时预测模型采用平均绝对误差MAE、均方误差[0087]本实验使用的硬件环境为:1ntol(R)Core(TM)i5_10500CPU@3.10GHz处理器,[0090]表1为不同预见期2h,4h和6h下模型性能评估指标,MAE的变化范围在0.0173_

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论