本文主要研究内容
作者苟非洲,程玉婷（2019）在《基于长短期记忆网络的日供水量预测方法研究》一文中研究指出：供水量预测方法分为传统预测法和机器学习法两类。传统方法对于日供水量预测精度有限,机器学习法具有更好的模型刻画能力,可发现传统算法难以捕捉的数据细节。提出了一种基于长短期记忆网络(LSTM)的日供水量预测方法,利用渭南市蒲城县城区2016年1月—2018年3月的日供水量数据对该方法进行了验证,并与基于BP神经网络的方法进行了对比。基于LSTM网络方法的预测结果:平均绝对百分比误差为5. 7%,R~2为0. 804;基于BP神经网络的预测结果:平均绝对百分比误差为7. 3%,R~2为0. 610。可见,基于长短期记忆网络的预测方法具有较高的预测精度和稳定性,是一种有效的预测方法。
Abstract
gong shui liang yu ce fang fa fen wei chuan tong yu ce fa he ji qi xue xi fa liang lei 。chuan tong fang fa dui yu ri gong shui liang yu ce jing du you xian ,ji qi xue xi fa ju you geng hao de mo xing ke hua neng li ,ke fa xian chuan tong suan fa nan yi bu zhuo de shu ju xi jie 。di chu le yi chong ji yu chang duan ji ji yi wang lao (LSTM)de ri gong shui liang yu ce fang fa ,li yong wei na shi pu cheng xian cheng ou 2016nian 1yue —2018nian 3yue de ri gong shui liang shu ju dui gai fang fa jin hang le yan zheng ,bing yu ji yu BPshen jing wang lao de fang fa jin hang le dui bi 。ji yu LSTMwang lao fang fa de yu ce jie guo :ping jun jue dui bai fen bi wu cha wei 5. 7%,R~2wei 0. 804;ji yu BPshen jing wang lao de yu ce jie guo :ping jun jue dui bai fen bi wu cha wei 7. 3%,R~2wei 0. 610。ke jian ,ji yu chang duan ji ji yi wang lao de yu ce fang fa ju you jiao gao de yu ce jing du he wen ding xing ,shi yi chong you xiao de yu ce fang fa 。
论文参考文献
论文详细介绍
论文作者分别是来自中国给水排水的苟非洲,程玉婷，发表于刊物中国给水排水2019年17期论文，是一篇关于日供水量预测论文,长短期记忆网络论文,神经网络论文,中国给水排水2019年17期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自中国给水排水2019年17期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：日供水量预测论文; 长短期记忆网络论文; 神经网络论文; 中国给水排水2019年17期论文;