%0 Journal Article
%A 纪国良
%A 周曼
%A 刘涛
%A 胡腾腾
%A 丁勇
%T 基于循环神经网络的水库水位预测方法
%D 2022
%R 10.11988/ckyyb.20201266
%J 
院报
%P 80-85
%V 39
%N 3
%X 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。
%U http://ckyyb.crsri.cn/CN/10.11988/ckyyb.20201266